Klassische Modelle, die aus der Mathematik aufgebaut sind, die du bereits kennst
Eine Karte mit zwei Dutzend unbeschrifteten Punkten. Keine Antworten, keine Labels, und trotzdem findet der Computer die Gruppen. Jedes Modell, das wir bisher in diesem Kurs erstellt haben, hat aus beschrifteten Beispielen gelernt: einen Preis zum Anpassen, eine Klasse zur Vorhersage. k-Means-Clustering wirft die Labels komplett weg, geleitet von nichts außer der Nähe der Punkte zueinander.
k Eiswagen fahren zu Beginn der Saison in einer Stadt umher. Jeden Morgen fährt jeder Wagen zur genauen Mitte der Kunden, denen er am Vortag gedient hat. Sobald die Wagen sich neu positioniert haben, sitzen ein paar Kunden jetzt etwas näher an einem anderen Wagen, sodass sich auch die Gebiete für morgen verschieben. Wiederhole diese Routine jeden Morgen, und schließlich hören die Wagen auf, sich zu bewegen: jeder hat sich im Zentrum einer stabilen kleinen Nachbarschaft von Kunden geparkt. Diese ganze Routine, wiederholt, bis sich nichts mehr bewegt, ist k-Means-Clustering.
Unten sind unbeschriftete Punkte, plus k Mittelpunkt-Marker, die du überallhin ziehen kannst. Drücke Schritt und beobachte, wie abwechselnd passiert: Zuerst nimmt jeder Punkt die Farbe des nächstgelegenen Mittelpunkts an, dann gleiten die Mittelpunkte zur Durchschnittsposition der Punkte, die sie gerade ausgewählt haben. Hier ist nichts vorab berechnet. Ziehe einen Punkt, ziehe einen Mittelpunkt, ändere k und drücke erneut Schritt, um zu sehen, wie die Daten sich von dem Punkt aus neu sortieren, den du zurückgelassen hast.