K- মানে ক্লাস্টারিং

It matters because it reveals hidden structure in unlabeled data, from customer segments to image colors.

K-মানে কোনো লেবেল ছাড়াই নির্বাচিত সংখ্যক ক্লাস্টারে ডেটা পার্টিশন করে। এটি প্রায়শই এলোমেলোভাবে, সেন্ট্রোয়েড নামক K পয়েন্ট স্থাপন করে শুরু হয়। তারপরে এটি দুটি ধাপের পুনরাবৃত্তি করে: প্রতিটি ডেটা পয়েন্টকে তার নিকটতম সেন্ট্রোয়েডে বরাদ্দ করুন এবং প্রতিটি সেন্ট্রোয়েডকে এটির জন্য নির্ধারিত পয়েন্টের গড় অবস্থানে নিয়ে যান। অ্যাসাইনমেন্টগুলি পরিবর্তন করা বন্ধ না হওয়া পর্যন্ত এই পদক্ষেপগুলি লুপ হয়, যার অর্থ অ্যালগরিদম একত্রিত হয়। লক্ষ্য হল বিন্দু এবং তাদের সেন্ট্রোয়েডের মধ্যে ক্লাস্টার বৈচিত্র্য, মোট বর্গ দূরত্ব কমিয়ে আনা। যেহেতু ফলাফলগুলি শুরুর অবস্থানের উপর নির্ভর করে, স্মার্ট ইনিশিয়ালাইজেশন যেমন K-Means++ প্রাথমিক সেন্ট্রোয়েডগুলিকে আলাদা করে ছড়িয়ে দেয়। আপনাকে অবশ্যই আগে থেকে K বাছাই করতে হবে, প্রায়শই ত্রুটি বক্ররেখার 'কনুই পদ্ধতি' দ্বারা পরিচালিত হয়।