Kümeleme nedir?
- Makine Öğrenmesi kursu
- Orta seviye
- Ders 47/112
- 5 dk
Kümeleme, etiketsiz veriyi benzerliklere göre gruplara ayıran unsupervised yöntemdir.
Kümeleme nedir?
Kümeleme, etiket olmadan benzer örnekleri gruplara ayıran denetimsiz öğrenmedir. Kullanım alanları: müşteri segmentasyonu, belge gruplama, anomali tespiti, görüntüde bölge ayırma.
from sklearn.cluster import KMeans
km = KMeans(n_clusters=3, n_init=10, random_state=0).fit(X)
print(km.labels_[:10]) # her örneğin küme numarasıKüme numaraları keyfidir: 0 numaralı küme "ilk" ya da "en iyi" değildir, yalnızca bir addır.
Benzerlik ve ölçek
Kümeleme algoritmalarının çoğu mesafeye dayanır; bu yüzden ölçekleme şarttır. Ayrıca "iyi küme" tanımı algoritmaya göre değişir:
- KMeans: yuvarlak, benzer boyutlu kümeler.
- DBSCAN: yoğunluk tabanlı; her şekil, gürültüyü ayırır.
- Hiyerarşik: iç içe küme ağacı.
from sklearn.preprocessing import StandardScaler
Xs = StandardScaler().fit_transform(X)
km = KMeans(n_clusters=4, n_init=10, random_state=0).fit(Xs)Uygulama İlk kümeleme
4 merkezli yapay veride KMeans(n_clusters=4, n_init=10, random_state=0) eğit. Her kümenin kaç örnek içerdiğini np.bincount(km.labels_) ile yazdır.
Başlangıç kodu
import numpy as np
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
X, y_gercek = make_blobs(n_samples=300, centers=4, cluster_std=0.8, random_state=0)
# buraya yazÖrnek çözüm
import numpy as np
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
X, y_gercek = make_blobs(n_samples=300, centers=4, cluster_std=0.8, random_state=0)
km = KMeans(n_clusters=4, n_init=10, random_state=0).fit(X)
print(np.bincount(km.labels_))Beklenen çıktı
[81 74 73 72]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Kümeleme sınıflandırmadan nasıl ayrılır?
- Fark yoktur
- Eğitimde etiket kullanmaz Doğru cevap
- Daha doğrudur
- Yalnızca iki grup bulur
Açıklama: Gruplar verinin kendi yapısından çıkarılır; doğru cevap verilmez.
2 Her örneğin küme etiketini oku.
etiket = km.____etiket = km.labels_Açıklama: labels_ eğitim verisindeki her örneğin kümesini verir.
3 Algoritmaları eşleştir.
| Kavram | Anlamı |
|---|---|
KMeans |
Yuvarlak kümeler |
DBSCAN |
Yoğunluk, gürültü |
Hiyerarşik |
Küme ağacı |
StandardScaler |
Mesafe öncesi şart |