k-Means Görselleştirici
Kümeleme bir döngüdür, kâhin değil: her noktayı en yakın merkeze ata, her merkezi ortalamasına taşı, tekrarla.
İpucu: önce Ata → Güncelle adımını elle işlet, sonra yığılmış başlangıcı çalıştırıp sonları karşılaştır.
Şunu dene
- Bir tur yürü. k = 3 ile dağınık başlangıçtan: Ata'ya bas, renkleri oku, Güncelle'ye bas, merkezlerin ortalamalarına sıçrayışını izle. İki basış, tek görünür fikir.
- Üst üste yığ. Yığılmış başlangıca sıfırla ve sona kadar çalıştır. Aynı veri — izler başka bir yere mi götürüyor? Boş küme notu görünebilir.
- Bir merkezi aç bırak. k = 4 iken bir merkezi her noktadan uzağa sürükle ve ata. Üye kazanamaz ve yerinde park eder — laboratuvar sıfıra bölmek yerine bunu söyler.
Döngü nasıl okunur
Lloyd yinelemesinin iki hamlesi vardır. Atama: her nokta en yakın merkeze katılır (eşitlikler en küçük indekse kırılır, bu laboratuvar tamamen belirleyicidir). Güncelleme: her merkez üyelerinin ortalamasına taşınır. Hiçbir merkez oynamayınca döngü durur — her biri çoktan kümesinin ortalamasına oturmuştur.
Dürüst uyarı: nereden başladığın, nereye vardığını biçimlendirir. Farklı başlangıç merkezleri aynı veride farklı bölünmelere yakınsayabilir ve k-means hangisinin (eğer varsa) “doğru” olduğunu asla söylemez — yalnızca küme içi yayılımı küçültür, o kadar. Her merkezin yolculuğunu izler gösterir; bağımlılık felsefe değil, gözle görülür.
Kümeleme, merkezleri kendin yerleştirince anlam kazanır
Bu görselleştirici, ManySpace'in makine öğrenmesini öğretme yolunun küçük bir parçası — her fikir, tohumlayıp adım adım işletebileceğin ve yeniden başlatabileceğin bir şey olarak.