การจัดกลุ่มแบบเค-มีนส์

เค-มีนส์เป็นหนึ่งในอัลกอริทึมการจัดกลุ่มที่ได้รับความนิยมมากที่สุด โดยแบ่งข้อมูลออกเป็นจำนวนกลุ่มที่กำหนดไว้ล่วงหน้า (K) ด้วยการลดระยะห่างภายในกลุ่มให้เหลือน้อยที่สุด

อัลกอริทึมนี้ทำงานซ้ำหลายรอบเพื่อค้นหาการกำหนดกลุ่มและจุดศูนย์กลางที่ดีที่สุด

การทำงานของเค-มีนส์

เค-มีนส์ทำงานตามขั้นตอนต่อไปนี้:

1. เริ่มต้นจุดศูนย์กลาง K จุดแบบสุ่ม
2. กำหนดจุดข้อมูลแต่ละจุดให้กับจุดศูนย์กลางที่ใกล้ที่สุด
3. คำนวณจุดศูนย์กลางใหม่เป็นค่าเฉลี่ยของจุดทั้งหมดในกลุ่ม
4. ทำขั้นตอนที่ 2 และ 3 ซ้ำจนกว่าจุดศูนย์กลางจะคงที่ หรือทำซ้ำครบจำนวนรอบสูงสุดที่กำหนด

การเลือกจำนวนกลุ่ม

ค่า K เป็นพารามิเตอร์ที่สำคัญ วิธีทั่วไปในการเลือกค่า K ได้แก่:

• วิธีข้อศอก: สร้างกราฟผลรวมกำลังสองภายในกลุ่ม (WCSS) สำหรับค่า K ต่าง ๆ และมองหา «จุดข้อศอก»
• คะแนนซิลูเอตต์: ใช้วัดว่ากลุ่มต่าง ๆ แยกออกจากกันได้ดีเพียงใด

ชุดข้อมูลตัวอย่างสำหรับเค-มีนส์

ลองพิจารณาชุดข้อมูลที่มีจุดต่าง ๆ กระจายอยู่ในปริภูมิ 2 มิติ โดยแต่ละจุดมี:

• X: พิกัดบนแกนนอน
• Y: พิกัดบนแกนตั้ง

เค-มีนส์จะจัดจุดเหล่านี้เป็นกลุ่มตามความใกล้เคียงกัน

การนำเค-มีนส์ไปใช้ในไพธอน

เราจะใช้คลาส KMeans จากไลบรารีสกิต-เลิร์นเพื่อใช้อัลกอริทึมนี้:

from sklearn.cluster import KMeans
import numpy as np

# Example dataset
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])

# K-Means model
kmeans = KMeans(n_clusters=2, random_state=0)
kmeans.fit(X)

print("Cluster Centers:", kmeans.cluster_centers_)
print("Labels:", kmeans.labels_)

การแสดงภาพกลุ่ม

เราสามารถแสดงภาพกลุ่มต่าง ๆ ได้ด้วยการสร้างกราฟจุดข้อมูลและจุดศูนย์กลาง:

import matplotlib.pyplot as plt

# Scatter plot of data points
plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')

# Plot cluster centers
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='red', marker='X')
plt.title('K-Means Clustering')
plt.show()

ข้อดีของเค-มีนส์

เค-มีนส์มีประโยชน์หลายประการ:

• เรียบง่ายและนำไปใช้งานได้ง่าย
• มีประสิทธิภาพกับชุดข้อมูลขนาดใหญ่
• ทำงานได้ดีเมื่อกลุ่มต่าง ๆ ถูกกำหนดไว้อย่างชัดเจน

ข้อจำกัดของเค-มีนส์

ข้อจำกัดบางประการของเค-มีนส์ ได้แก่:

• ไวต่อตำแหน่งเริ่มต้นของจุดศูนย์กลาง
• จัดการกับกลุ่มที่ไม่เป็นทรงกลมได้ยาก
• ไวต่อค่าผิดปกติและข้อมูลที่มีสัญญาณรบกวน

สรุปและขั้นตอนถัดไป

ในบทเรียนนี้ เราได้เรียนรู้เกี่ยวกับ:

• วิธีการทำงานของการจัดกลุ่มแบบเค-มีนส์
• การเลือกจำนวนกลุ่มโดยใช้วิธีต่าง ๆ เช่น วิธีข้อศอก
• การนำเค-มีนส์ไปใช้และการแสดงผลเป็นภาพในไพธอน

ต่อไป เราจะนำเค-มีนส์ไปใช้กับชุดข้อมูลจากโลกจริงเพื่อฝึกประสบการณ์เชิงปฏิบัติ