Clustering
Benzer veri noktalarını etiketsiz olarak gruplara ayıran gözetimsiz öğrenme tekniği.
Kümeleme (clustering), etiketlenmemiş veri noktalarını, aralarındaki benzerliğe göre gruplara (kümelere) ayıran bir gözetimsiz öğrenme (unsupervised learning) tekniğidir. Sınıflandırmadan farklı olarak kümeleme algoritmasına önceden "doğru cevaplar" verilmez; algoritma yalnızca verinin kendi içindeki yapısını, veri noktaları arasındaki uzaklık veya benzerlik ölçütlerini kullanarak doğal grupları keşfeder. K-means algoritması, veriyi önceden belirlenen k sayıda kümeye, her noktayı en yakın küme merkezine atayarak böler; hiyerarşik kümeleme, veri noktalarını adım adım birleştirerek bir ağaç yapısı oluşturur; DBSCAN ise yoğunluk tabanlı çalışarak farklı şekil ve boyutlardaki kümeleri tespit edebilir.
Kümeleme, verinin önceden bilinmeyen yapısını keşfetmek istenen pek çok senaryoda kullanılır: pazarlamada müşteri segmentasyonu, anomali tespiti, genetik araştırmalarda benzer gen ifade örüntülerinin gruplanması ve büyük metin veya görüntü koleksiyonlarının kabaca kategorilere ayrılması gibi. Kümeleme sonuçlarının kalitesi, siluet skoru gibi metriklerle değerlendirilir ancak nihayetinde "doğru" küme sayısı genellikle alan bilgisiyle yorumlanması gereken öznel bir karardır.
Kümeleme, verinin önceden bilinmeyen yapısını keşfetmek istenen pek çok senaryoda kullanılır: pazarlamada müşteri segmentasyonu, anomali tespiti, genetik araştırmalarda benzer gen ifade örüntülerinin gruplanması ve büyük metin veya görüntü koleksiyonlarının kabaca kategorilere ayrılması gibi. Kümeleme sonuçlarının kalitesi, siluet skoru gibi metriklerle değerlendirilir ancak nihayetinde "doğru" küme sayısı genellikle alan bilgisiyle yorumlanması gereken öznel bir karardır.