基本ガイド
K 平均法クラスタリング
K-Means は、クラスター中心を見つけてデータを K グループに自動的に分類する教師なしアルゴリズムです。
このガイドを聴くAIによるナレーション · ~2 min
概要
これは、顧客セグメントから画像の色まで、ラベルのないデータの中に隠された構造を明らかにするから重要です。
ディープダイブ
K-Means は、ラベルを付けずにデータを選択した数のクラスター K に分割します。まず、重心と呼ばれる K 点をランダムに配置します。次に、すべてのデータ ポイントをその最も近い重心に割り当て、各重心をそれに割り当てられたポイントの平均位置に移動するという 2 つのステップを繰り返します。これらのステップは、割り当ての変更が停止するまで、つまりアルゴリズムが収束するまでループします。目標は、クラスター内の分散、つまりポイントとその重心間の二乗距離の合計を最小限に抑えることです。結果は開始位置に依存するため、K-Means++ のようなスマートな初期化により、初期重心が分散されます。事前に K を選択する必要があり、多くの場合、誤差曲線の「エルボ法」に基づいて決定されます。
現実世界の実装
顧客のセグメンテーション: 買い物客を支出額と訪問頻度によってグループ化し、マーケティング キャンペーンをターゲットにします。
画像カラー圧縮: ファイル サイズを縮小するために、数百万のピクセル カラーを K の代表的な色合いに削減します。
ドキュメントの整理: 事前定義されたカテゴリを使用せずに、トピックごとにニュース記事やサポート チケットをクラスタリングします。
異常検出: クラスタ中心から遠く離れたポイントに、不正行為またはセンサー障害の可能性があるとしてフラグを立てます。
K 平均法クラスタリングの将来
K-Means は高速であり、小さなサンプルの重心を更新するミニバッチ バージョンを介して巨大なデータセットに拡張できるため、依然として主力です。 K の自動選択、よりスマートな初期化、および非球形クラスターを処理するカーネルまたは深層学習のバリアントに関する研究が続けられています。これは、より複雑なモデルにフィードする前にデータを圧縮したり特徴を生成したりする前処理ステップとして、またベクトル データベース内で埋め込みの類似性検索を高速化するために使用されることが増えています。
実践する
なぜそれが重要なのか
- より明確な判決. これは、明確な技術的主張とマーケティング言語を区別するのに役立ちます。
- 費用と予算. お金や時間を費やす前に、実装に関するより良い質問をすることができます。
- チームとワークフロー. 共通の理解を持ったチームは、製品、ポリシー、学習に関する意思決定をより適切に行うことができます。
気をつけてください
- チームが異なれば、同じ用語の使用方法も異なる可能性があるため、範囲を早めに定義してください。
- ベンチマークは好調に見えても、実際のパフォーマンスにはばらつきがある場合があります。
- データの品質と評価計画を無視すると、多くの場合、脆弱な結果が生じます。
次のステップ
- 必要な結果を平易な言葉で定義することから始めます。
- テストする前に、成功指標と失敗条件を 1 つ選択します。
- 洗練されたデモセットではなく、代表的なデータを使用して小規模なパイロットを実行します。
- K-Means クラスタリングが役立つ場合と、より単純な方法の方が優れている場合を文書化します。
探検を続けましょう
よくある質問
K-Meansクラスタリングとは何ですか?
K-Means は、クラスター中心を見つけてデータを K グループに自動的に分類する教師なしアルゴリズムです。これが重要なのは、顧客セグメントから画像の色に至るまで、ラベルのないデータに隠された構造を明らかにするためです。
K-Means の「K」は何を指しますか?
K は、アルゴリズムを実行する前にユーザーが指定するクラスターの数です。次に、このメソッドはその多くの重心を見つけます。
K-Means ループで繰り返される 2 つのステップは何ですか?
K-Means は、各ポイントを最も近い重心に割り当てることと、割り当てられたポイントの平均として各重心を再計算することを交互に行います。
K-Means はどの量を最小化しようとしますか?
K-Means は慣性、つまりポイントと割り当てられた重心の間の二乗距離の合計を最小限に抑え、クラスターを緊密にします。
K 平均法が「教師なし」アルゴリズムと呼ばれるのはなぜですか?
教師なしとは、データにラベルがないことを意味します。 K-Means は、正しいグループを指示されずに、独自に構造を見つけます。
「肘法」は何に一般的に使用されますか?
エルボー法は、誤差と K をプロットし、クラスターを追加してもあまり役に立たなくなる曲がり角を探します。