Waarom is dit belangrijk?
Onderzoekers kunnen met k-means clustering grote hoeveelheden meetgegevens indelen in groepen die op elkaar lijken, ook als niemand die groepen van tevoren een naam heeft gegeven. In de sterrenkunde helpt de methode om sterren met vergelijkbare eigenschappen, zoals helderheid en samenstelling, bij elkaar te brengen. Voor wie met data werkt, levert dit overzicht op, maar een ongelukkige keuze voor het aantal groepen kan het beeld vertekenen.
Zo werkt het in de praktijk
Bij Bell Labs zette Stuart Lloyd k-means clustering in voor puls-codemodulatie. Analoge signalen werden zo met minder discrete waarden vastgelegd. In digitale beeldbewerking groepeert de methode vergelijkbare kleuren in een beeld. Een kleiner palet maakt het bestand compacter.
Onderzoekers vergelijken k-means clustering met expectation-maximization. Die methode schat groepen als kansverdelingen. Beide gebruiken middelpunten. K-means clustering zoekt daarbij groepen van gelijke omvang. De uitbreiding kernel k-means clustering herkent ook gebogen grenzen tussen groepen.
In scikit-learn hoort k-means clustering bij clusteranalyse. Het programma werkt op data zonder bekende labels. Het verlaagt de inertia, de som van kwadratische afstanden in een groep. Bij veel kenmerken volgt eerst principalecomponentenanalyse. Die stap verkleint het aantal kenmerken en verkort de berekening.




