Agrupamento k-Means

Modelos clássicos construídos com as matemáticas que você já conhece

Um mapa de duas dúzias de pontos sem rótulos. Sem respostas, sem etiquetas, e ainda assim o computador encontra os grupos. Todo modelo construído até agora neste curso aprendeu de exemplos rotulados: um preço para corresponder, uma classe para prever. k-Means joga os rótulos fora inteiramente, guiado por nada exceto quão perto os pontos sentam uns dos outros.

k caminhões de sorvete se espalham por uma cidade no início da temporada. Toda manhã, cada caminhão dirige até o exato centro dos clientes que serviu no dia anterior. Uma vez que os caminhões se reassentam, alguns clientes agora sentam um pouco mais perto de um caminhão diferente, então os territórios de amanhã também se deslocam. Repita isso toda manhã, e eventualmente os caminhões param de se mover: cada um estacionou a si mesmo no centro de um bairrozinho estável de clientes. Toda aquela rotina, repetida até que nada se mova, é k-Means.

Abaixo estão pontos sem rótulos, mais k marcadores de centro que você pode arrastar para qualquer lugar. Pressione passo e observe duas coisas acontecerem em turnos: primeiro todo ponto assume a cor de qualquer centro que estiver mais próximo, depois os centros deslizam para a posição média dos pontos que acabaram de escolhê-los. Nada aqui é pré-computado. Arraste um ponto, arraste um centro, mude k, e pressione passo de novo para observar reordenar os dados de onde você os deixou.

Onde isso aparece no MLAgrupar com zero rótulos aparece constantemente fora de uma sala de aula. Agrupar clientes por comportamento de compra em um punhado de segmentos, comprimir uma imagem substituindo a cor de todo pixel pela mais próxima de k cores representativas, e encontrar um primeiro agrupamento bruto num conjunto de dados antes que quaisquer rótulos existam todos rodam neste exato loop. A rotina de…
▶ Agrupamento k-Means
← Boosting: Aprendendo com Seus ErrosQuantos Clusters? Cotovelo & Silhueta →