Nederlands
Menu

Wat is k-means-clustering?

Een typische clusteringmethode die gegevens verdeelt in een vooraf vastgelegd aantal van k clusters. Ze plaatst k voorlopige centra en herhaalt dan het toewijzen van elk gegevenspunt aan het cluster van het dichtstbijzijnde centrum en het verplaatsen van elk centrum naar het gemiddelde van de gegevens van zijn cluster, tot de toewijzingen niet meer veranderen. De methode is eenvoudig te berekenen en werkt op grote gegevens, maar het resultaat hangt af van de begincentra, k moet door de gebruiker worden gekozen, en clusters die niet ongeveer bolvormig zijn, zijn moeilijk te scheiden.

Japanse benaming: k平均法

“k-means-clustering” komt voor in 1 oefenvragen uit 1 onderwerpen, bijv. Basis van machine learning.

Vakgebied: Basis van machine learning

Nu oefenen: vragen over k-means-clustering

Welke beschrijving van de werkwijze van clustering met k-means (k-means-clustering) is juist?

  1. ABegin met alle gegevens in één cluster en splits de gegevens die het verst van de rest liggen een voor een af, tot er k clusters zijn
  2. BKies voorlopig k centra, wijs elk gegevenspunt toe aan het cluster van het dichtstbijzijnde centrum en maak het gemiddelde van elk cluster het nieuwe centrum; herhaal dit tot de toewijzingen niet meer veranderen
  3. CZoek voor elk punt dat moet worden ingedeeld de k dichtstbijzijnde punten in de trainingsdata en bepaal het cluster met een meerderheidsstemming over hun labels
Antwoord en toelichting tonen

Antwoord: B. Kies voorlopig k centra, wijs elk gegevenspunt toe aan het cluster van het dichtstbijzijnde centrum en maak het gemiddelde van elk cluster het nieuwe centrum; herhaal dit tot de toewijzingen niet meer veranderen

k-means-clustering legt het aantal clusters k vooraf vast en werkt zo: (1) kies k centra, (2) wijs elk gegevenspunt toe aan het cluster van het dichtstbijzijnde centrum, (3) maak het gemiddelde van de gegevens van elk cluster het nieuwe centrum; (2) en (3) worden herhaald tot de toewijzingen niet meer veranderen. Het resultaat hangt af van de beginkeuze van de centra en kan blijven steken in een oplossing die niet de beste indeling is; daarom wordt het algoritme meermaals met verschillende beginwaarden uitgevoerd of wordt een initialisatie zoals k-means++ gebruikt. De waarde van k volgt niet automatisch en wordt gekozen met hulpmiddelen zoals de elleboogmethode.

“k-means-clustering” in de toelichting

Vragen met “k-means-clustering” (1)

  1. Welke beschrijving van de werkwijze van clustering met k-means (k-means-clustering) is juist?

Verwante termen

Activatiefunctie Convolutioneel neuraal netwerk (CNN) Gesuperviseerd leren (supervised learning) Gradiëntafdaling (gradient descent) Hoofdcomponentenanalyse (PCA) Kruisvalidatie (cross-validation) Ongesuperviseerd leren (unsupervised learning) Overfitting (overaanpassing) Precisie en recall (precision and recall) Recurrent neuraal netwerk (RNN)

Naar de woordenlijst