خوارزمية كاي مينز (K-means) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. خوارزمية تجميع تقسم النقاط إلى K مجموعات حول مراكز قريبة. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
خوارزمية تجميع تقسم النقاط إلى K مجموعات حول مراكز قريبة.
بالتفصيل
تبدأ بمراكز أولية ثم تكرر خطوتين: إسناد كل نقطة إلى أقرب مركز، وتحديث المركز بمتوسط نقاط مجموعته. تحاول تقليل مجموع المسافات المربعة داخل المجموعات، وقد تصل إلى حلول مختلفة حسب التهيئة.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
يمكن تقسيم العملاء إلى 4 مجموعات بناءً على أنماط الشراء من دون وجود تسميات مسبقة.
خلي بالك: يجب اختيار K مسبقاً، وتتأثر النتيجة بمقياس السمات والقيم الشاذة وشكل المجموعات غير الكروي.
مصطلحات مرتبطة
Clustering، Unsupervised Learning، Centroid. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: scikit-learn
