group_work K Harfi Ne Anlama Geliyor?
K, algoritmaya işe başlamadan önce verdiğiniz 'Bu veriyi kaç gruba ayırmalısın?' hedef sayısıdır. Örneğin 10.000 müşterinizin alışveriş verisi var ve siz algoritmayı 'K=3' olarak çalıştırıyorsunuz. Algoritma haritaya rastgele 3 tane merkez noktası atar. Her müşteri en yakın olduğu merkeze bağlanır. Sonra merkezler, bağlanan müşterilerin tam ortasına (Ortalama / Means) kayar. Bu kayma bitene kadar tekrarlanır ve nihayetinde elinizde 3 kusursuz müşteri segmenti kalır.
Kullanım Alanları
loyalty Müşteri Segmentasyonu
Pazarlama departmanlarının 'Ucuzluk Arayanlar', 'Sadık Zenginler' ve 'Ara Sıra Alanlar' gibi kümeleri insan gözüyle değil matematikle bulması.
compress Görüntü Sıkıştırma
Bir resimdeki 1 milyon farklı renk tonunu, K=16 yaparak birbirine en benzeyen 16 temel renge (kümeye) indirgeyerek resmin boyutunu küçültmek.
K-Means Alternatifleri ve İyileştirmeleri
- check_circle K-Means++: Akıllı Başlatma: Standart K-Means'in en büyük zayıflığı rastgele merkez başlatmasının yerel optimuma sıkışmasıdır. K-Means++ ilk merkezi rastgele seçer; sonraki merkezler mevcut merkezlere uzak olan noktalardan olasılıksal olarak seçilir. Bu yöntem hem daha iyi kümeleme hem de daha hızlı yakınsama sağlar; scikit-learn'de varsayılan başlatma yöntemidir.
- check_circle DBSCAN: Gürültüye Dayanıklı Yoğunluk Tabanlı Kümeleme: K sayısı belirtmek gerekmez; keyfi şekle sahip kümeleri tespit edebilir. Yeterli komşusu olmayan noktaları gürültü olarak işaretler. Coğrafi veri kümeleme ve anomali tespitinde etkilidir. Yüksek boyutlu verilerde (curse of dimensionality) performansı düşer.
- check_circle Hiyerarşik Kümeleme: Agglomerative (aşağıdan yukarı): her nokta tek kümeden başlar; en yakın kümeler birleştirilir — dendogram üretir. K sayısı belirtmek gerekmez; dendogram kesme noktası sonradan seçilebilir. Müşteri segmentasyonu veya gen ifade analizi gibi hiyerarşik yapının görselleştirilmesi istenen durumlarda tercih edilir.
- check_circle Gaussian Mixture Models (GMM): Her kümenin bir Gaussian dağılımı olduğunu varsayar; EM (Expectation-Maximization) algoritmasıyla parametreler öğrenilir. K-Means'in aksine yumuşak atama yapar: her nokta birden fazla kümeye belirli olasılıklarla ait olabilir. Eliptik şekilli kümeler için K-Means'ten daha esnektir.
Doğru K Sayısını Seçme: Elbow ve Silhouette
K-Means için en kritik karar K (küme sayısı) seçimidir. Elbow yöntemi: farklı K değerleri için inertia (küme içi toplam kare uzaklık) hesaplanır; azalma hızının belirgin biçimde yavaşladığı 'dirsek' noktası optimal K'yı gösterir. Bu yöntem her zaman net bir dirsek vermez; yorum gerektiren görsel bir analiz aracıdır. Silhouette skoru: her nokta için kendi kümesine olan ortalama uzaklık ile en yakın komşu kümesine olan ortalama uzaklık karşılaştırılır; -1 ile +1 arasında bir skor üretir. +1'e yakın değerler iyi tanımlanmış kümeleri gösterir. Pratikte Elbow ve Silhouette birlikte değerlendirilmesi tavsiye edilir; ayrıca kümelerin iş anlamına (business logic) uygunluğu da kontrol edilmelidir. Gap istatistik ve Calinski-Harabasz indeksi de K seçiminde kullanılan diğer metriklerdir.
Sıkça Sorulan Sorular
- check_circle K-Means kümeleme nedir?: K-Means, veri noktalarını K adet kümeye atayan gözetimsiz öğrenme algoritmasıdır. Her nokta en yakın küme merkezine (centroid) atanır; merkezler atanan noktalara göre yeniden hesaplanır; yakınsayana kadar tekrar edilir. Müşteri segmentasyonu, görüntü renk sıkıştırma ve belge kümeleme için yaygın kullanılır.
- check_circle K-Means'in zayıflıkları nelerdir?: K sayısı önceden belirtilmek zorundadır. Yalnızca küresel (konveks) şekillere uyar; yarım ay veya halka şekilli kümeleri tanımaz. Aykırı değerlere duyarlıdır; tek bir aykırı değer merkezi önemli ölçüde kaydırabilir. Rastgele başlatma nedeniyle farklı çalıştırmalarda farklı sonuçlar üretebilir (K-Means++ bu sorunu büyük ölçüde azaltır).
- check_circle K sayısı nasıl belirlenir?: Elbow yöntemi: K arttıkça inertia'nın azalma hızının yavaşladığı nokta. Silhouette analizi: küme iç tutarlılığını ve kümeler arası ayrışmayı ölçer; en yüksek skor optimal K'ya işaret eder. Alan bilgisi: müşteri segmentasyonu için 3-8 segment gibi iş gereksinimleri de K seçimini yönlendirir.