Agrupamiento k-medias

Modelos clásicos construidos con las matemáticas que ya conoces

Un mapa de dos docenas de puntos sin etiquetar. Sin respuestas, sin etiquetas, y aun así la computadora encuentra los grupos. Cada modelo construido hasta ahora en este curso aprendió de ejemplos etiquetados: un precio que igualar, una clase que predecir. k-medias tira las etiquetas enteramente, guiado por nada excepto cuán cerca se sientan los puntos entre sí.

k camiones de helado se esparcen por un pueblo al inicio de la temporada. Cada mañana, cada camión conduce al centro exacto de los clientes que sirvió el día anterior. Una vez que los camiones se reasientan, algunos clientes ahora se sientan un poco más cerca de un camión distinto, así que los territorios de mañana también cambian. Repite esto cada mañana, y eventualmente los camiones dejan de moverse: cada uno se ha aparcado en el centro de un pequeño barrio estable de clientes. Toda esa rutina, repetida hasta que nada se mueve, es k-medias.

Abajo hay puntos sin etiquetar, más k marcadores de centro que puedes arrastrar donde quieras. Pulsa paso y observa dos cosas pasar por turno: primero cada punto toma el color de cualquier centro más cercano a él, luego los centros se deslizan a la posición media de los puntos que acaban de elegirlos. Nada aquí está precalculado. Arrastra un punto, arrastra un centro, cambia k, y pulsa paso otra vez para verlo reordenar los datos desde donde lo dejaste.

Dónde aparece en el MLEl agrupamiento con cero etiquetas aparece constantemente fuera de un aula. Agrupar clientes por comportamiento de compra en un puñado de segmentos, comprimir una imagen reemplazando el color de cada píxel con su más cercano de k colores representativos, y encontrar una primera agrupación aproximada en un conjunto de datos antes de que existan etiquetas, todos ejecutan este mismo bucle. La rutina…
▶ Agrupamiento k-medias
← Boosting: aprender de tus errores¿Cuántos cúmulos? Codo y silueta →