बुनियादी गाइड
के-मीन्स क्लस्टरिंग
K-मीन्स एक अनपर्यवेक्षित एल्गोरिदम है जो क्लस्टर केंद्रों को ढूंढकर स्वचालित रूप से K समूहों में डेटा को सॉर्ट करता है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
It matters because it reveals hidden structure in unlabeled data, from customer segments to image colors.
गहरा गोता
K-मीन्स डेटा को बिना किसी लेबल के, क्लस्टर की चुनी हुई संख्या, K में विभाजित करता है। यह K बिंदुओं को, जिन्हें सेंट्रोइड्स कहा जाता है, अक्सर यादृच्छिक रूप से रखकर प्रारंभ किया जाता है। फिर यह दो चरणों को दोहराता है: प्रत्येक डेटा बिंदु को उसके निकटतम सेंट्रोइड पर निर्दिष्ट करें, और प्रत्येक सेंट्रोइड को उसे निर्दिष्ट बिंदुओं की औसत स्थिति में ले जाएं। ये चरण तब तक लूप करते रहते हैं जब तक असाइनमेंट बदलना बंद नहीं हो जाता, जिसका अर्थ है कि एल्गोरिदम परिवर्तित हो गया है। लक्ष्य क्लस्टर के भीतर विचरण, बिंदुओं और उनके केन्द्रक के बीच की कुल वर्ग दूरी को कम करना है। क्योंकि परिणाम शुरुआती स्थिति पर निर्भर करते हैं, K-मीन्स++ जैसे स्मार्ट इनिशियलाइज़ेशन शुरुआती सेंट्रोइड्स को अलग-अलग फैलाता है। आपको पहले से ही K चुनना होगा, अक्सर त्रुटि वक्र पर 'कोहनी विधि' द्वारा निर्देशित किया जाता है।
वास्तविक विश्व कार्यान्वयन
ग्राहक विभाजन: विपणन अभियानों को लक्षित करने के लिए खर्च और विज़िट आवृत्ति के आधार पर खरीदारों का समूह बनाना।
छवि रंग संपीड़न: फ़ाइल आकार को छोटा करने के लिए लाखों पिक्सेल रंगों को K प्रतिनिधि रंगों में कम करना।
दस्तावेज़ संगठन: पूर्वनिर्धारित श्रेणियों के बिना विषय के आधार पर समाचार लेखों या समर्थन टिकटों का समूह बनाना।
विसंगति का पता लगाना: संभावित धोखाधड़ी या सेंसर दोष के रूप में किसी भी क्लस्टर केंद्र से दूर बिंदुओं को चिह्नित करना।
के-मीन्स क्लस्टरिंग का भविष्य
के-मीन्स एक वर्कहॉर्स बना हुआ है क्योंकि यह तेज़ है और मिनी-बैच संस्करणों के माध्यम से विशाल डेटासेट को स्केल करता है जो छोटे नमूनों पर सेंट्रोइड को अपडेट करता है। K के स्वचालित चयन, स्मार्ट इनिशियलाइज़ेशन और कर्नेल या डीप-लर्निंग वेरिएंट पर अनुसंधान जारी है जो गैर-गोलाकार समूहों को संभालते हैं। इसका उपयोग प्रीप्रोसेसिंग चरण के रूप में, अधिक जटिल मॉडलों को फीड करने से पहले डेटा को संपीड़ित करने या सुविधाओं को उत्पन्न करने के लिए और वेक्टर डेटाबेस के अंदर एम्बेडिंग पर समानता खोज को तेज करने के लिए किया जा रहा है।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- स्पष्ट निर्णय. यह आपको स्पष्ट तकनीकी दावों को मार्केटिंग भाषा से अलग करने में मदद करता है।
- लागत और बजट. आप पैसा या समय खर्च करने से पहले बेहतर कार्यान्वयन संबंधी प्रश्न पूछ सकते हैं।
- टीम और वर्कफ़्लो. साझा समझ वाली टीमें बेहतर उत्पाद, नीति और सीखने के निर्णय लेती हैं।
का ध्यान रखें
- अलग-अलग टीमें एक ही शब्द का अलग-अलग इस्तेमाल कर सकती हैं, इसलिए दायरे को पहले ही परिभाषित कर लें।
- बेंचमार्क मजबूत दिख सकते हैं जबकि वास्तविक दुनिया का प्रदर्शन असमान है।
- डेटा गुणवत्ता और मूल्यांकन योजनाओं की अनदेखी अक्सर नाजुक परिणाम पैदा करती है।
अगले चरण
- आपको जिस परिणाम की आवश्यकता है उसकी सरल भाषा में परिभाषा से शुरुआत करें।
- परीक्षण से पहले एक सफलता मीट्रिक और एक विफलता स्थिति चुनें।
- प्रतिनिधि डेटा के साथ एक छोटा पायलट चलाएँ, न कि एक परिष्कृत डेमो सेट।
- दस्तावेज़ जहां के-मीन्स क्लस्टरिंग मदद करती है और जहां सरल तरीके बेहतर हैं।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the K-Means Clustering quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
What is K-Means Clustering?
K-मीन्स एक अनपर्यवेक्षित एल्गोरिदम है जो क्लस्टर केंद्रों को ढूंढकर स्वचालित रूप से K समूहों में डेटा को सॉर्ट करता है। यह मायने रखता है क्योंकि यह ग्राहक खंडों से लेकर छवि रंगों तक, बिना लेबल वाले डेटा में छिपी संरचना को प्रकट करता है।
K-मीन्स में 'K' का तात्पर्य क्या है?
K, एल्गोरिदम चलाने से पहले उपयोगकर्ता द्वारा निर्दिष्ट क्लस्टरों की संख्या है; विधि तब कई केन्द्रक ढूंढती है।
के-मीन्स लूप में दोहराए जाने वाले दो चरण क्या हैं?
के-मीन्स प्रत्येक बिंदु को उसके निकटतम सेंट्रोइड को निर्दिष्ट करने और प्रत्येक सेंट्रॉइड को उसके निर्दिष्ट बिंदुओं के औसत के रूप में पुन: गणना करने के बीच वैकल्पिक करता है।
K-मीन्स किस मात्रा को कम करने का प्रयास करता है?
के-मीन्स जड़ता को कम करता है, बिंदुओं और उनके निर्दिष्ट केन्द्रक के बीच की कुल वर्ग दूरी, समूहों को तंग बनाता है।
K-मीन्स को 'अपर्यवेक्षित' एल्गोरिथम क्यों कहा जाता है?
अनसुपरवाइज्ड का मतलब है कि डेटा में कोई लेबल नहीं है; के-मीन्स सही समूहों को बताए बिना अपने आप संरचना ढूंढ लेता है।
'कोहनी विधि' आमतौर पर किसके लिए प्रयोग की जाती है?
एल्बो विधि त्रुटि बनाम K को प्लॉट करती है और उस मोड़ की तलाश करती है जहां अधिक क्लस्टर जोड़ने से ज्यादा मदद मिलना बंद हो जाती है।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं