Klaszterezés
Felügyelet nélküli tanulási eljárás, amely hasonló adatpontokat csoportokba rendez előre megadott címkék nélkül.
Analógia
Mint amikor címkék nélkül rendezel egy halom tárgyat hasonlóság szerint, majd megvizsgálod, milyen közös tulajdonságuk van.
Miért fontos?
A klaszterezés segíthet nagy adathalmazok feltárásában, de a megtalált csoportok jelentését embernek kell értelmeznie.
Hogyan működik?
A klaszterezés olyan gépi tanulási módszer, amely hasonlóság alapján csoportokba rendezi az adatpontokat. A feladat indulásakor általában nem adott minden példához helyes címke; a módszer a választott jellemzők alapján keresi a mintázatokat. Például egy nagy dokumentumgyűjteményben közel álló témájú szövegek kerülhetnek ugyanabba a csoportba. A hasonlóság kiszámításának módja és az előfeldolgozás befolyásolja az eredményt, ezért ugyanaz az adathalmaz eltérő módszerrel más csoportokra bontható.
A klaszterezés felfedező eszköz: segíthet olyan szerkezetet észrevenni, amelyet az elemző előre nem definiált. A csoportok címkéjét és gyakorlati jelentését azonban nem a módszer dönti el; az embernek kell megvizsgálnia, mit tartalmaznak és valóban hasznosak-e. A klaszterek határai lehetnek bizonytalanok, és az algoritmus akkor is létrehozhat csoportokat, ha az adatokban nincs értelmes felosztás. Döntésekhez ezért ellenőrizni kell az eredmény stabilitását, az adatminőséget és azt, milyen következménye lehet a csoportosításnak.
Példa
Egy könyvtáros a keresési kifejezéseket klaszterezéssel csoportosítja, majd átnézi, hogy a csoportok valóban különböző információigényeket jeleznek-e.
Gyakori tévhit
A klaszterező algoritmus által létrehozott csoport nem feltétlenül természetes, egyértelmű vagy üzletileg jelentős kategória.