k-Means Clustering Karteikarten

Was ist k-Means Clustering?

Ein Algorithmus zur Gruppierung von Datenpunkten in $\displaystyle k$ Cluster, basierend auf den Eigenschaften der Daten.

Nenne die Hauptziele von k-Means Clustering.

- Minimierung der Variabilität innerhalb der Cluster - Maximierung der Variabilität zwischen den Clustern

Wie funktioniert die Initialisierung in k-Means?

Zufällige Auswahl von $\displaystyle k$ Datenpunkten als Anfangszentren (Centroids) der Cluster.

Was sind Centroids?

Die Mittelwerte der Datenpunkte innerhalb eines Clusters, die als Repräsentanten dienen.

Was sind die Schritte im k-Means Algorithmus?

- Initialisierung - Zuordnung zu Clustern - Aktualisierung der Centroids - Wiederholung bis Konvergenz

Wahr oder falsch: k-Means ist ein überwacht lernender Algorithmus.

Falsch. k-Means ist ein unüberwachter Algorithmus zur Clusterbildung ohne vorgegebene Labels.

Erkläre die Rolle der Distanzmetrik.

Distanzmetrik (z.B. euklidische Distanz) bestimmt, wie nahe Datenpunkte zueinander sind und beeinflusst die Clusterzuordnung.

Wie wird die Anzahl der Cluster $\displaystyle k$ gewählt?

Durch Methoden wie das Ellenbogen-Kriterium, das den Punkt identifiziert, an dem die zusätzliche Clusteranzahl keinen signifikanten Gewinn bringt.

Was passiert, wenn $\displaystyle k$ zu hoch gewählt wird?

Es entstehen übermäßige Cluster, die zu Überanpassung führen und die Interpretierbarkeit der Ergebnisse verringern.

Fülle die Lücke: Der k-Means Algorithmus konvergiert, wenn __________.

keine Änderungen in der Clusterzuordnung mehr erfolgen.

Nenne eine Einschränkung von k-Means.

Empfindlichkeit gegenüber Ausreißern, die die Centroid-Position stark beeinflussen können.

Warum ist k-Means nicht ideal für nicht-kugelförmige Cluster?

Der Algorithmus geht von kugelförmigen Clustern aus, was zu ungenauen Ergebnissen mit komplexeren Formen führt.

Wie wird die Qualität der Cluster gemessen?

Durch Metriken wie den Silhouette-Koeffizienten, der die Dichte und Trennung der Cluster bewertet.

Welche Rolle spielt die Zufälligkeit im k-Means Algorithmus?

Die zufällige Initialisierung der Centroids kann zu unterschiedlichen Ergebnissen führen, weshalb mehrere Durchläufe oft empfohlen werden.

Anwendung von k-Means?

- Marktsegmentierung - Bildkomprimierung - Dokumentenklassifikation

Was sind die Vorteile von k-Means Clustering?

- Einfache Implementierung - Schnelligkeit (geringe Rechenzeit) - Gute Skalierbarkeit für große Datensätze - Leicht verständlich und interpretierbar

Was ist der erste Schritt im k-Means Algorithmus?

Wähle $\displaystyle k$ Anfangszentren zufällig aus den Datenpunkten aus.

Wie wird die Distanz zu Zentren berechnet?

Mit der euklidischen Distanz: \displaystyle d = \frac{ ext{Wurzel}((x_2-x_1)^2 + (y_2-y_1)^2)}.

Was passiert nach der Auswahl der Zentren?

Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet.

In welchen Schritten erfolgt die Aktualisierung der Zentren?

- Berechne den Mittelwert der zugehörigen Punkte. - Setze das Zentrum auf den neuen Mittelwert.

Wann endet der k-Means Algorithmus?

Wenn keine Punktzuweisungen mehr erfolgen oder Zentren sich nicht ändern.

Wie viele Iterationen sind erforderlich?

Das variiert. Oft sind 10-100 Iterationen ausreichend.

Was ist eine wichtige Eigenschaft von $\displaystyle k$?

Die Wahl von $\displaystyle k$ beeinflusst die Clusterbildung stark.

True or False: k-Means ist immer optimal.

False: Es kann lokale Minima erreichen und nicht das globale Optimum finden.

Wie wird die Konvergenz überprüft?

Durch Vergleichen der vorherigen und aktuellen Zentren oder der Punktzuweisungen.

Was sind mögliche Implementierungssprachen für k-Means?

- Python - R - Java - MATLAB

Wie viele Dimensionen kann k-Means verarbeiten?

Theoretisch beliebig, praktisch jedoch limitiert durch Rechenleistung und Visualisierbarkeit.

Was ist eine häufige Metrik zur Bewertung von Clustern?

Silhouette-Score: misst, wie gut ein Punkt in seinem Cluster ist im Vergleich zu anderen Clustern.

Wie werden Ausreißer behandelt?

Sie können die Zentren verzerren. Vorverarbeitung hilft, sie zu minimieren.

Fülle die Lücke: k-Means ist sensitiv gegenüber ____ .

der Wahl der Anfangszentren.

Was ist ein Vorteil von k-Means?

Einfachheit und schnelle Konvergenz bei großen Datensätzen.

Wie kann man die optimalen $\displaystyle k$ bestimmen?

Durch Methoden wie den Ellenbogen-Ansatz oder Silhouette-Analyse.

Was sind praktische Anwendungen von k-Means?

Kundensegmentierung, Bildverarbeitung, Marktanalyse, Anomalieerkennung.

Kundenanalyse und k-Means Clustering?

k-Means hilft, Kunden in Segmente einzuteilen, um personalisierte Marketingstrategien zu entwickeln.

Was ist eine Herausforderung bei k-Means?

Die Wahl der richtigen Anzahl an Clustern (k) ist oft schwierig.

k-Means ist empfindlich gegenüber Ausreißern. Wahr oder Falsch?

Wahr. Ausreißer können die Clusterzentren stark beeinflussen.

Erkläre Anwendungsbereich von k-Means in der Bildverarbeitung.

k-Means kann zur Segmentierung von Bildern und zur Farbanalyse verwendet werden.

Was ist ein Nachteil von k-Means Clustering?

Es setzt voraus, dass Cluster kugelförmig und gleich groß sind.

Fülle die Lücke: k-Means wird häufig in der __________ eingesetzt.

Marktforschung zur Analyse von Verbrauchergruppen.

Vergleiche k-Means und hierarchisches Clustering.

k-Means ist schneller, hierarchisches Clustering bietet flexible Clusterstrukturen.

Was ist eine häufige Anwendung in der Anomalieerkennung?

k-Means identifiziert untypische Datenpunkte, die nicht in Cluster passen.

Nenne eine Einschränkung bei großen Datensätzen.

k-Means benötigt viel Berechnungsressourcen und kann langsam werden.

Wie wird die Clusterqualität bewertet?

Durch Silhouette-Score oder Davies-Bouldin-Index.

Was passiert bei der Auswahl von k=1?

Alle Datenpunkte werden in einem einzigen Cluster zusammengefasst.

Erkläre den Einfluss der Initialisierung auf k-Means.

Falsche Initialisierung kann zu suboptimalen Clustern führen und Ergebnisse verfälschen.

Wahr oder Falsch: k-Means findet alle optimalen Cluster.

Falsch. k-Means kann nur lokale Minima finden.

Was ist eine alternative Methode zur Bestimmung von k?

Das Elbow-Verfahren zeigt den Punkt, an dem die Varianz stark abnimmt.

Wie kann k-Means in der Gesundheitsforschung angewendet werden?

Zur Segmentierung von Patienten basierend auf Symptomen oder Behandlungsreaktionen.