K-Means

Question 1

Was ist K-Means?

Answer 1

Ein Clustering-Algorithmus im Unsupervised Learning, der Datenpunkte in k Gruppen (Cluster) aufteilt, sodass Punkte innerhalb eines Clusters möglichst ähnlich sind.

Question 2

Was bedeutet das k in K-Means?

Answer 2

Die Anzahl der Cluster, in die die Daten aufgeteilt werden sollen.
Dieser Wert muss vor dem Training festgelegt werden.

Question 3

Was ist ein Centroid?

Answer 3

Der Mittelpunkt eines Clusters, berechnet als Mittelwert aller Punkte im Cluster.

Question 4

Wie funktioniert K-Means grundsätzlich?

Answer 4

Zufällige Clusterzentren wählen

Datenpunkte dem nächsten Zentrum zuordnen

Neue Clusterzentren berechnen

Schritte wiederholen bis Konvergenz

Question 5

Welche Distanz wird meist verwendet?

Answer 5

Euklidische Distanz

Question 6

Welche Zielfunktion minimiert K-Means?

Answer 6

Die Summe der quadratischen Abstände zu den Clusterzentren.
Auch genannt Within Cluster Sum of Squares (WCSS).

Question 7

Wie bestimmt man ein gutes k?

Answer 7

Mit der Elbow Method:

Man plottet

k vs WCSS

Der Knick im Plot zeigt oft die optimale Clusterzahl.

Question 8

Welche Schwächen hat K-Means?

Answer 8

k muss vorher festgelegt werden

empfindlich gegenüber Ausreißern

funktioniert schlecht bei nicht-kugelförmigen Clustern

Question 9

Warum muss man Features oft skalieren?

Answer 9

K-Means basiert auf Distanzen.
Wenn ein Feature viel größere Werte hat, dominiert es die Distanzberechnung.

Darum verwendet man oft:

StandardScaler

MinMaxScaler

Question 10

Was ist ein häufiges Problem beim Start von K-Means?

Answer 10

Die Initialisierung der Clusterzentren kann zu unterschiedlichen Lösungen führen.

Darum nutzt man häufig:

k-means++

→ bessere Startpunkte.