Índice:
Definição - O que significa o K-Means Clustering?
O cluster K-means é um algoritmo simples de aprendizado não supervisionado usado para resolver problemas de cluster. Ele segue um procedimento simples de classificar um determinado conjunto de dados em vários clusters, definidos pela letra "k", que é corrigida previamente. Os clusters são posicionados como pontos e todas as observações ou pontos de dados são associados ao cluster mais próximo, computados, ajustados e, em seguida, o processo recomeça usando os novos ajustes até que o resultado desejado seja alcançado.
O cluster K-means tem utilidades em mecanismos de busca, segmentação de mercado, estatísticas e até astronomia.
Techopedia explica K-Means Clustering
O cluster K-means é um método usado para análise de cluster, especialmente em mineração de dados e estatística. O objetivo é particionar um conjunto de observações em vários clusters (k), resultando no particionamento dos dados nas células Voronoi. Pode ser considerado um método para descobrir a qual grupo um determinado objeto realmente pertence.
É usado principalmente em estatística e pode ser aplicado a praticamente qualquer ramo de estudo. Por exemplo, no marketing, ele pode ser usado para agrupar diferentes demografias de pessoas em grupos simples que facilitam a segmentação dos profissionais de marketing. Os astrônomos o utilizam para vasculhar grandes quantidades de dados astronômicos; como eles não podem analisar cada objeto um por um, precisam de uma maneira de encontrar estatisticamente pontos de interesse para observação e investigação.
O algoritmo:
- K pontos são colocados no espaço de dados do objeto que representa o grupo inicial de centróides.
- Cada objeto ou ponto de dados é atribuído ao k mais próximo.
- Depois que todos os objetos são atribuídos, as posições dos k centróides são recalculadas.
- As etapas 2 e 3 são repetidas até que as posições dos centróides não se movam mais.
