K-means là gì? Phương pháp chia dữ liệu thành k cụm không cần nhãn

Updated · By Viviai

K-means (phân cụm k-means) là một thuật toán phân cụm trong học không giám sát, dùng để chia các điểm dữ liệu thành (k) cụm. Các điểm trong cùng một cụm nằm gần một điểm gọi là tâm cụm (centroid), còn các cụm khác nhau thì tách biệt. Thuật toán lặp lại giữa việc gán điểm vào cụm gần nhất và cập nhật tâm cụm cho đến khi kết quả ổn định.

Phân cụm k-means là gì

Khi có dữ liệu nhưng không có nhãn cho biết mỗi điểm thuộc nhóm nào, k-means tự tìm cấu trúc nhóm dựa trên sự giống nhau. Đây là một dạng lượng tử hóa vector: nhiều điểm được đại diện bởi một số ít tâm cụm.

Hãy hình dung việc sắp xếp các món hàng trên kệ theo vị trí gần nhau mà không có sẵn danh mục. K-means làm điều tương tự với dữ liệu số.

Khái niệm chính

Các bước hoạt động

  1. Chọn (k): quyết định số cụm và đặt các tâm cụm ban đầu
  2. Gán cụm: đưa mỗi điểm vào tâm cụm gần nhất
  3. Cập nhật tâm cụm: tính trung bình các điểm trong cụm để đặt tâm mới
  4. Lặp lại: quay lại bước gán cho đến khi tâm cụm gần như không đổi

Công thức tâm cụm

Với cụm (C) có (|C|) điểm, tâm cụm mới là trung bình:

[ \mu = \frac{1}{|C|}\sum_{x \in C} x ]

Chọn số k như thế nào

Số cụm ảnh hưởng trực tiếp đến chất lượng:

Cách phổ biến là thử nhiều giá trị rồi quan sát mức cải thiện khi tăng (k), chọn điểm mà lợi ích bắt đầu chững lại.

Bảng tổng hợp

Khía cạnh Nội dung
Loại học Không giám sát
Đầu vào cần có Số cụm (k)
Tiêu chí gán Khoảng cách đến tâm cụm
Điều kiện dừng Tâm cụm không đổi hoặc đổi rất ít

Ứng dụng

Ưu điểm và hạn chế

Ưu điểm

Hạn chế

FAQ

K-means thuộc loại học nào?

Học không giám sát, vì không cần nhãn đáp án để phân cụm.

Có phải biết trước số cụm không?

Có, cần chọn (k) trước. Nếu chưa chắc, hãy thử nhiều giá trị và so sánh.

Tâm cụm là gì?

Là điểm trung bình đại diện cho mỗi cụm, dùng để quyết định điểm dữ liệu thuộc cụm nào.

K-means dừng khi nào?

Khi tâm cụm không còn dịch chuyển hoặc việc gán điểm không đổi, nghĩa là kết quả đã ổn định.

K-means hợp với mọi dữ liệu không?

Không hẳn. Nó phù hợp khi cụm khá tròn và kích thước tương đồng; dữ liệu có dạng kỳ lạ hoặc nhiều ngoại lai cần phương pháp khác.

Tóm tắt

Sources

  1. https://vi.wikipedia.org/wiki/Ph%C3%A2n_c%E1%BB%A5m_k-means
  2. https://en.wikipedia.org/wiki/K-means_clustering

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free