K sta per raggruppamento con una semplice spiegazione per i principianti

Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati.

Panoramica

divennero, verità? Raggruppiamo i punti dati in 3 gruppi in base alla loro somiglianza o vicinanza.

Sommario

1.Introduzione a K significa

2.K significa ++ algoritmo

3.Come scegliere il valore K in K significa?

4.Considerazioni pratiche sul K . medio

5.Tendencia de grappoloUn cluster è un insieme di aziende e organizzazioni interconnesse che operano nello stesso settore o area geografica, e che collaborano per migliorare la loro competitività. Questi raggruppamenti consentono la condivisione delle risorse, Conoscenze e tecnologie, promuovere l'innovazione e la crescita economica. I cluster possono coprire una varietà di settori, Dalla tecnologia all'agricoltura, e sono fondamentali per lo sviluppo regionale e la creazione di posti di lavoro....

1. introduzione

Comprendiamo solo il raggruppamento di mezzi K con esempi della vita quotidiana. Sappiamo che in questi giorni tutti amano guardare serie web o film su Amazon Prime, Netflix. Hai mai osservato qualcosa ogni volta che apri Netflix?? vale a dire, film di gruppo in base al loro genere, vale a dire, crimine, sospeso, eccetera., Spero che tu l'abbia osservato o lo sappia già. quindi il raggruppamento del genere Netflix è un esempio di raggruppamento di facile comprensione. capiamo di più su k significa algoritmo di clustering.

Definizione: Raggruppa i punti dati in base alla loro somiglianza o vicinanza reciproca, in parole povere, l'algoritmo deve trovare i punti dati i cui valori sono simili tra loro e, così, questi punti apparterrebbero allo stesso gruppo.

Quindi, Come fa l'algoritmo a trovare i valori tra due punti per raggrupparli?? El algoritmo encuentra los valores usando el método de ‘MisurareIl "misura" È un concetto fondamentale in diverse discipline, che si riferisce al processo di quantificazione delle caratteristiche o delle grandezze degli oggetti, fenomeni o situazioni. In matematica, Utilizzato per determinare le lunghezze, Aree e volumi, mentre nelle scienze sociali può riferirsi alla valutazione di variabili qualitative e quantitative. L'accuratezza della misurazione è fondamentale per ottenere risultati affidabili e validi in qualsiasi ricerca o applicazione pratica.... de distancia’. qui la misura della distanza è "distanza euclidea"’

Le osservazioni più vicine o simili tra loro avrebbero una distanza euclidea bassa e quindi sarebbero raggruppate.

un'altra formula che devi sapere per capire i mezzi di K è "Centroid". L'algoritmo k-means utilizza il concetto di centroide per creare "k gruppi".

Quindi ora sei pronto per capire i passaggi dell'algoritmo di clustering k-means.

Passi in K-mezzi:

passo 1: scegli il valore k per ex: k = 2

passo 2: inizializza casualmente i centroidi

passo 3: calcolare la distanza euclidea dai centroidi a ciascun punto dati e formare gruppi vicini ai centroidi

passo 4: trova il baricentro di ogni gruppo e aggiorna i centroidi

passo: 5 ripetere il passaggio 3

Ogni volta che si creano gruppi, aggiornamento centroidi, il baricentro aggiornato è il centro di tutti i punti che ricadono nel gruppo. Questo processo continua fino a quando il baricentro non cambia più, vale a dire, la soluzione converge.

Puoi giocare con l'algoritmo K-means usando il link qui sotto, Provalo.

https://stanford.edu/class/engr108/visualizations/kmeans/kmeans.html

Quindi, Qual è il prossimo? Come si scelgono a caso i centroidi iniziali??

Ecco il concetto di algoritmo k-Means ++.

2. Algoritmo K-Mezzi ++:

Non ti stresserò per questo, quindi non preoccuparti. È molto facile da capire. Quindi, Che cosa significa k? ++ ??? Diciamo di voler scegliere inizialmente due centroidi (k = 2), puoi scegliere un centroide a caso o puoi scegliere uno dei punti dati a caso. semplice verità? Il nostro prossimo compito è scegliere un altro centroide, Come lo scegli? qualche idea?

Scegliamo il prossimo centroide dei punti dati che è a grande distanza dal centroide esistente o quello che è a grande distanza da un gruppo esistente che ha un'alta probabilità di catturare.

3.Come scegliere il valore K in K-means:

1.Metodo del gomito

Passi:

passo 1: calcolare l'algoritmo di clustering per diversi valori di k.

per esempio k =[1,2,3,4,5,6,7,8,9,10]

passo 2: per ogni k, calcolare la somma dei quadrati all'interno del cluster (WCSS).

passo 3: tracciare la curva WCSS in base al numero di cluster.

passo 4: La posizione della curva sulla trama è generalmente considerata un indicatore del numero approssimativo di cluster.

Considerazioni pratiche in K-mezzi:

• Un certo numero di cluster scelti in anticipo (K).
• Standardizzazione dei dati (ridimensionato).
• Dati categoriali (può essere risolto con la modalità K).
• Impatto dei centroidi e dei valori anomali iniziali.

5. Tendenza cluster:

Prima di applicare un algoritmo di clustering ai dati forniti, è importante verificare se i dati forniti hanno alcuni cluster significativi o meno. Il processo per valutare i dati per verificare se i dati sono fattibili per il clustering o meno è noto come "tendenza cluster", quindi non dovremmo applicare alla cieca il metodo di raggruppamento e controllare l'andamento del raggruppamento. Come?

Usiamo la "statistica Hopkins"’ per sapere se eseguire il clustering o meno per un determinato set di dati. Esaminare se i punti dati differiscono significativamente dai dati distribuiti uniformemente nello spazio multidimensionale.

Con esto concluye nuestro artículo sobre el algoritmo de raggruppamentoIl "raggruppamento" es un concepto que se refiere a la organización de elementos o individuos en grupos con características o objetivos comunes. Este proceso se utiliza en diversas disciplinas, incluyendo la psicología, la educación y la biología, para facilitar el análisis y la comprensión de comportamientos o fenómenos. En el ámbito educativo, ad esempio, el agrupamiento puede mejorar la interacción y el aprendizaje entre los estudiantes al fomentar el trabajo... de k-means. Nel mio prossimo articolo, Parlerò dell'implementazione Python dell'algoritmo di clustering K-means.

Grazie!

Imparentato