Presná definícia
Čo znamená centroidové zhlukovanie?
Centroidové zhlukovanie reprezentuje každý zhluk centrálnym vektorom a priraďuje body podľa blízkosti k týmto reprezentantom. K-means používa aritmetický priemer a minimalizuje súčet štvorcových vzdialeností; iné varianty môžu používať odlišný stred či divergenciu. Metódy prirodzene zvýhodňujú kompaktné skupiny zodpovedajúce zvolenej geometrii.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri kompresii farebnej palety sa pixely zoskupia podľa RGB vektorov a každý sa nahradí centroidom. Pred použitím na zmiešané podnikové dáta treba preveriť, či priemer dáva všetkým príznakom zmysel a či sú porovnateľne škálované. Počet centroidov sa volí podľa chyby, stability a praktickej potreby. Viac náhodných inicializácií znižuje riziko slabého lokálneho riešenia. Odľahlé body môžu priemer výrazne posunúť; vtedy sa zváži k-medoids, robustné predspracovanie alebo samostatná detekcia anomálií.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Musí byť centroid reálnym objektom?
Nie. Aritmetický priemer môže byť syntetický bod.
Aké zhluky preferuje?
Kompaktné oblasti okolo stredov podľa použitej vzdialenosti.
Možno ľubovoľne vymeniť vzdialenosť v k-means?
Nie. Aritmetický priemer a štvorcová euklidovská strata tvoria spoločný cieľ.
Prečo škodia odľahlé body?
Priemer aj štvorcová vzdialenosť im dávajú veľký vplyv.
Prečo spúšťať model viackrát?
Optimalizácia môže skončiť v rôznych lokálnych minimách.