k-Means dan Pemilihan k

k-Means ialah algoritma pengelompokan yang paling popular: ia membahagikan data anda kepada k kumpulan dengan mengelompokkan titik di sekitar sauh pusat. 🎯

Setiap kelompok mempunyai centroid, iaitu kedudukan purata ahlinya. Titik menyertai kelompok yang centroidnya paling hampir dengannya.

k-Means mengulangi dua langkah: tetapkan setiap titik kepada centroid terdekat, kemudian kira semula setiap centroid berdasarkan ahli baharunya.

Langkah tersebut berulang sehingga penetapan tidak lagi berubah. Algoritma telah menumpu, dan kelompok itu menjadi muktamad.

k-Means tidak boleh mencipta bilangan kumpulan sendiri. Anda mesti memilih k terlebih dahulu, dan nilai yang betul jarang sekali jelas.

scikit-learn memudahkan proses pemadanan. Tetapkan n_clusters kepada k pilihan anda dan panggil fit pada data yang telah diskalakan.

Selepas pemadanan, inersia melaporkan jumlah jarak kuasa dua dari titik ke centroidnya. Nilai yang lebih rendah bermaksud kelompok yang lebih padat.

Plotkan inersia untuk banyak nilai k. Tempat lengkung membengkok dengan ketara, iaitu siku, selalunya menandakan bilangan kelompok yang baik.

Selepas siku, penambahan kelompok hampir tidak menurunkan inersia. Perataan itu menandakan anda sekadar memecahkan kumpulan yang sudah dipadankan dengan baik.

Panduan kedua ialah skor siluet: ia memberikan nilai lebih tinggi kepada titik yang hampir dengan kelompoknya sendiri dan jauh daripada kelompok lain.

Permulaan rawak boleh menghasilkan keputusan yang buruk, jadi scikit-learn menggunakan k-means++ secara lalai, yang menyebarkan centroid awal untuk keputusan yang lebih stabil.

k-Means mengelompokkan titik di sekitar centroid untuk k yang dipilih; siku dan siluet membantu anda memilih k itu dengan baik. 🎯