Kümeleme nedir?

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 numarası

Küme 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.

Örnek çözümü göster

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_))

Kendini test et

Kümeleme sınıflandırmadan nasıl ayrılır?
- Fark yoktur
- Eğitimde etiket kullanmaz
- Daha doğrudur
- Yalnızca iki grup bulur
Cevabı göster

Eğitimde etiket kullanmaz — Gruplar verinin kendi yapısından çıkarılır; doğru cevap verilmez.
Her örneğin küme etiketini oku.
```
etiket = km.____
```
Cevabı göster
```
etiket = km.labels_
```
Algoritmaları eşleştir.

KMeans

Yuvarlak kümeler
DBSCAN

Yoğunluk, gürültü
Hiyerarşik

Küme ağacı
StandardScaler

Mesafe öncesi şart

Sıradaki ders: KMeans

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler