202511131122 Status: idea Tags: Datascience, Machine Learning

K-Means clustering

K-Means clustering is een unsupervised learning methode. Het doel is om dignen die dichtbij elkaar liggen te gorperen in k clusters. Elke cluster heeft een centroid, dit is de center van de cluster. Punten die in een cluster zitten lijken op elkaar, punten in een andere cluster zijn anders.

Stappen van K-Means

1. Als eerste kies je een k nummer, dit is het aantal clusters.
2. Plaats de k centroids op een random plek.
3. elk data punt kiest de centroid die het dichtste bij ligt.
4. herbereken waar de centroid ligt gebaseerd op de average van de afstand tussen de centroid en de data punten.
5. herhaal dit tot de centroids niet echt veel meer bewegen.

Het doel van K-Means is om de cluster zo dicht mogelijk bij de centroid te krijgen. Er is hier een gekke wiskundige calculation voor:

$J={\sum }_{i=1}^k{\sum }_{x\in C_i}\Vert x-{\mu }_i{\Vert }^2$

• $J$ is the objective function (or cost function, often called the Within-Cluster Sum of Squares, or WCSS). The goal of K-means is to minimize this value.
• ${\sum }_{i=1}^k$ is the outer summation, summing over all $k$ clusters.
• ${\sum }_{x\in C_i}$ is the inner summation, summing over all data points $x$ that belong to the $i$-th cluster, $C_i$.
• $\Vert x-{\mu }_i{\Vert }^2$ is the squared Euclidean distance between a data point $x$ and the mean (centroid) ${\mu }_i$ of the cluster $C_i$ it belongs to.

De output van een K-Means heeft labels, maar dit zijn cluster labels (0, 1, 2…) en geen class namen.

Gebruiken van K-Means

• Customer segmentation: je kan vergelijkbare klanten groeperen
• Image comrpession: cluster simular colors
• Document clustering: groeperen van vergelijkbare text.
• Andere taken waar patronen vinden nuttig is.

---

References

Dit is iets wat we leren voor Datascience. dit was informatie vanuit avans 2-2 datascience 2025-11-10. en daarbij horen deze slides