# k-Means Görselleştirici

Canonical: https://manyspace.aporia.systems/tr/tools/k-means
Updated: 2026-10-13

Kümeleme bir döngüdür, kâhin değil: her noktayı en yakın merkeze ata, her merkezi ortalamasına taşı, tekrarla.

## 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.

## İlgili araçlar

- [Gradyan İnişi Laboratuvarı](https://manyspace.aporia.systems/tr/tools/gradient-descent)
- [Kayıp Fonksiyonu Gezgini](https://manyspace.aporia.systems/tr/tools/loss-functions)
- [Lojistik Regresyon](https://manyspace.aporia.systems/tr/tools/logistic-regression)
- [İleri Geçiş](https://manyspace.aporia.systems/tr/tools/neural-network)
- [Geri Yayılım](https://manyspace.aporia.systems/tr/tools/backpropagation)
- [Dikkat Görselleştirici](https://manyspace.aporia.systems/tr/tools/attention)
- [Tokenizasyon Gezgini](https://manyspace.aporia.systems/tr/tools/tokenization)