k-मीन्स क्लस्टरिंग

उस गणित से बने क्लासिक मॉडल जो आप पहले से जानते हैं

दो दर्जन बिना लेबल वाले बिंदुओं का एक नक्शा। न उत्तर, न लेबल, फिर भी कंप्यूटर समूह खोज निकालता है। इस पाठ्यक्रम में अब तक बना हर मॉडल लेबल वाले उदाहरणों से सीखा: मिलाने के लिए एक कीमत, भविष्यवाणी के लिए एक वर्ग। k-मीन्स लेबलों को सिरे से फेंक देता है, और उसका इकलौता सहारा है कि बिंदु एक-दूसरे के कितने पास बैठे हैं।

मौसम की शुरुआत में k आइसक्रीम ठेले शहर भर में बिखर जाते हैं। हर सुबह, हर ठेला ठीक उन ग्राहकों के केंद्र पर जा खड़ा होता है जिन्हें उसने कल सेवा दी थी। ठेलों के फिर से जमते ही, कुछ ग्राहक अब किसी दूसरे ठेले से ज़रा-सा ज़्यादा पास पड़ते हैं, इसलिए कल के इलाके भी खिसक जाते हैं। यह हर सुबह दोहराइए, और आखिरकार ठेले हिलना बंद कर देते हैं: हर एक अपने ग्राहकों के एक स्थिर छोटे मोहल्ले के केंद्र पर जा टिका है। वही पूरा नित्यक्रम, तब तक दोहराया जाता हुआ जब तक कुछ न हिले, k-मीन्स है।

नीचे बिना लेबल के बिंदु हैं, साथ में k केंद्र-चिह्न जिन्हें आप कहीं भी खींच सकते हैं। स्टेप दबाइए और बारी-बारी से दो चीज़ें होते देखिए: पहले हर बिंदु उस केंद्र का रंग ले लेता है जिसके वह सबसे पास है, फिर केंद्र सरककर उन बिंदुओं की औसत स्थिति पर पहुँच जाते हैं जिन्होंने अभी-अभी उन्हें चुना। यहाँ कुछ भी पहले से गणना करके नहीं रखा गया। कोई बिंदु खींचिए, कोई केंद्र खींचिए, k बदलिए, और फिर स्टेप दबाकर देखिए कि वह जहाँ आपने छोड़ा था वहीं से डेटा को दोबारा छाँटता है।

ML में इसका स्थानशून्य लेबल वाली क्लस्टरिंग कक्षा के बाहर हर जगह दिखती है। ग्राहकों को खरीद-व्यवहार के आधार पर मुट्ठी भर खंडों में बाँटना, हर पिक्सेल के रंग को k प्रतिनिधि रंगों में से निकटतम से बदलकर छवि संपीड़ित करना, और लेबल आने से पहले किसी डेटासेट में पहली मोटी-मोटी समूहबंदी खोजना, सब ठीक इसी लूप पर चलते हैं। सौंपो-फिर-हिलाओ वाला नित्यक्रम एक ऐसे ढाँचे की झलक भी देता है जो मशीन लर्निंग में बार-बार लौटता है:…
▶ k-मीन्स क्लस्टरिंग
← बूस्टिंग: अपनी गलतियों से सीखनाकितने क्लस्टर? कोहनी और सिल्हूट →