Shlukování metodou k-medoidů | AI slovník

Odborná definice

K-medoids je zhlukovací přístup, ve kterém každý z k shluků reprezentuje medoid, tedy skutečný datový bod s minimálnou celkovou nepodobností vůči členom skupiny. Optimalizace vybírá reprezentantů a přiřazuje k nim ostatní body podle zvolené vzdálenosti. Na rozdíl od k-means nevyžaduje aritmetický průměr a může používat obecnou matici nepodobností, proto bývá robustnejší vůči extrémom, ale výpočetně náročnejší. Cílová funkce minimalizuje součet nepodobností k vybraným reprezentantom, ne rozptyl okolo průměru.

Srozumitelné vysvětlení

Při zoskupování fotografií nechcete, aby reprezentantom segmentu byla průměrná, rozmazaná tvár, která v datech nikdy neexistovala. K-medoids vybere jednu reálnou fotografii jako typický exemplár a ostatní přiřadí podle podobnosti. Když se objeví extrémně neobvyklý obrázek, nepohne reprezentantom tak lahko jako průměr v k-means. Cena za tuto interpretovatelnost je vyšší počet porovnání, zejména při velkých datech. Medoid zároveň umožní expertovi rychle skontrolovat, či segment opravdu reprezentuje jeho členů.

Časté otázky

Co je medoid?

Je to konkrétní objekt ze zhluku, kterého součet vzdáleností nebo nepodobností k ostatným členom je minimální. Proto může slúžit jako reálný prototyp, který se dá přímo zobrazit nebo skontrolovat.

V čem je rozdíl oproti k-means?

K-means používá průměr a typicky štvorcovou euklidovskou vzdálenost. K-medoids vybírá existujúci bod a může pracovat s lubovolnou zmysluplnou nepodobností, například editovacou vzdáleností nebo predpočítanou maticou.

Proč je k-medoids robustnejší vůči outlierom?

Extrémny bod může výrazně posunout aritmetický průměr, ale zriedka se stane najlepším centrálnym reprezentantom celé skupiny. Robustnost však není absolutní, mnoho anomálií nebo nevhodná metrika stále skreslí zhluky.

Co znamená algoritmus PAM?

Partitioning Around Medoids strieda výběr počiatočných medoidů a testování výmen medoidu s nemedoidom, které znížia celkovou nepodobnost. Je kvalitní pro menší data, ale při velkých souborech se používají aproximace jako CLARA.

Kdy je medoid prakticky užitečný?

Když uživatel potřebuje ku každému segmentu ukázat reálný produkt, dokument, pacienta nebo obraz jako prototyp. Medoid ulahčuje audit a pomenování zhluku, protože nejde o syntetický průměr vlastností.

Související pojmy

Zdroje a redakční stopa

scikit-learn-extra, KMedoids
scikit-learn-extra, Clustering guide

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.