K-means clustering

K

ilość clusters

proces obliczania

1. randomowo wybiera się K punktów (tyle ile chcemy clusterów) w naszych danych - initial clusters

   .….. …. …...

2. oblicza się odległość od pierwszego punktu danych po lewej do każdego z initial clusters i przypisujemy go do najbliższego initial cluster

   .….. …. …...

3. robimy to samo z pozostałymi punktami

4. obliczamy średnią dla punktów z każdego clustera

5. obliczamy variation dla punktów z każdego clustera

Cykl ten jest powtarzany tak długo, aż znajdzie się ustawienie w którym każdy cluster będzie miał w miarę równe variance i następne próby nie dają lepszego wyniku

ilość K

obliczamy variance dla każdej ilości K

w pewnym momencie osiągniemy ilość, po której variance nie będzie już tak drastycznie spadać

ta ilość jest optymalna

dane nielinearne\wielowymiarowe

proces jest taki sam, tylko metoda obliczenia się zmienia

dwu lub więcej wymiarowe (mają wartość x i y na układzie współrzędnych) - euclidean distance