Deutsch
Menü

Was ist k-Means-Algorithmus?

Ein typisches Clustering-Verfahren, das Daten in eine vorab festgelegte Zahl k von Clustern einteilt. Es legt vorläufig k Zentren fest und wiederholt dann, jeden Datenpunkt dem Cluster des nächstgelegenen Zentrums zuzuordnen und jedes Zentrum auf den Mittelwert der Daten seines Clusters zu verschieben, bis sich die Zuordnung nicht mehr ändert. Es ist einfach zu berechnen und auch für große Datenmengen geeignet, doch das Ergebnis hängt von den Anfangszentren ab, k muss selbst gewählt werden, und nicht annähernd kugelförmige Cluster lassen sich schwer trennen.

Japanische Bezeichnung: k平均法

„k-Means-Algorithmus“ kommt in 1 Übungsfragen aus 1 Themen vor, z. B. Grundlagen des maschinellen Lernens.

Fachgebiet: Grundlagen des maschinellen Lernens

Jetzt üben: Fragen zu k-Means-Algorithmus

Welche Beschreibung des Ablaufs beim Clustering mit dem k-Means-Algorithmus trifft zu?

  1. AAlle Daten bilden zunächst einen einzigen Cluster; die am weitesten von den übrigen entfernten Daten werden nacheinander abgetrennt, bis k Cluster entstanden sind
  2. BMan legt vorläufig k Zentren fest, ordnet jeden Datenpunkt dem Cluster des nächstgelegenen Zentrums zu und macht den Mittelwert jedes Clusters zum neuen Zentrum; das wird wiederholt, bis sich die Zuordnung nicht mehr ändert
  3. CFür jeden zu clusternden Punkt werden die k nächsten Punkte in den Trainingsdaten gesucht, und der Cluster wird per Mehrheitsentscheid über deren Labels bestimmt
Antwort und Erläuterung anzeigen

Antwort: B. Man legt vorläufig k Zentren fest, ordnet jeden Datenpunkt dem Cluster des nächstgelegenen Zentrums zu und macht den Mittelwert jedes Clusters zum neuen Zentrum; das wird wiederholt, bis sich die Zuordnung nicht mehr ändert

Der k-Means-Algorithmus legt die Zahl der Cluster k vorab fest und geht so vor: (1) k Zentren festlegen, (2) jeden Datenpunkt dem Cluster des nächstgelegenen Zentrums zuordnen, (3) den Mittelwert der Daten jedes Clusters zum neuen Zentrum machen; (2) und (3) werden wiederholt, bis sich die Zuordnung nicht mehr ändert. Das Ergebnis hängt von den Anfangszentren ab und kann bei einer Lösung stehen bleiben, die nicht die beste Aufteilung ist; daher wird der Algorithmus mehrmals mit verschiedenen Anfangswerten ausgeführt oder eine Initialisierung wie k-Means++ verwendet. Der Wert von k ergibt sich nicht automatisch und wird anhand von Anhaltspunkten wie der Ellenbogenmethode gewählt.

„k-Means-Algorithmus“ in den Erläuterungen

Fragen mit „k-Means-Algorithmus“ (1)

  1. Welche Beschreibung des Ablaufs beim Clustering mit dem k-Means-Algorithmus trifft zu?

Verwandte Begriffe

Aktivierungsfunktion Bestärkendes Lernen (Reinforcement Learning) Convolutional Neural Network (CNN) Gradientenabstieg (Gradient Descent) Hauptkomponentenanalyse (PCA) Konfusionsmatrix (Wahrheitsmatrix) Kreuzvalidierung Precision und Recall Regularisierung Rekurrentes neuronales Netz (RNN)

Zur Glossarübersicht