k-Means

k-Means ist ein Verfahren zur Clusterbildung beim unüberwachten maschinellen Lernen. Es teilt Datenpunkte in k Gruppen ein, ohne vorher zu wissen, welche es gibt.

Der Algorithmus wiederholt zwei Schritte, bis sich nichts mehr ändert:

1. Zuordnen: Jeder Punkt kommt zum nächstgelegenen Schwerpunkt (Zentroid).
2. Aktualisieren: Jeder Schwerpunkt wandert in die Mitte seiner Punkte.

Das Ergebnis hängt von den Startpunkten ab: Dieselben Daten und dasselbe k können bei anderen Startschwerpunkten zu anderen Clustern führen. Deshalb lässt man k-Means in der Praxis mehrfach mit zufälligen Startpunkten laufen.