Definíció
K-means particionáló klaszterező algoritmus, amely az adatpontokat K klaszterbe rendezi úgy, hogy a klaszterközpontoktól való távolságok összege minimalizálódik.
Algoritmus lépései
1. K középérték inicializálása. 2. Minden pont hozzárendelése a legközelebbi középhez. 3. Középértékek frissítése. 4. Ismétlés konvergenciáig.
K érték kiválasztása
K meghatározása: elbow method (WCSS görbe), silhouette score, domain ismeret. A WCSS: Σ||x - μₖ||² az összes klaszterre.
Korlátok
Előfeltételezett gömb alakú klaszterek, hasonló méret. Nemlineáris struktúrákhoz DBSCAN vagy spektrális klaszterezés alternatíva.
Elemzési megjegyzések
Az inicializálás befolyásolja az eredményt. K-means++ javítja a kezdeti középértékek elhelyezését. Skálázás szükséges heterogén jellemzők esetén.
Az algoritmusok, modellek és technológiai megoldások leírása általános referencia jellegű. A tényleges implementáció és eredmények az adathalmaztól, a paraméterektől és a futtatási környezettől függnek.
