Prof. Jefferson Morais Inteligência Artificial Aula 26
Algoritmo k-means • Realiza agrupamento particional • Não há hierarquias, os dados são particionados • O número de grupos (k) tem que ser definido a priori • Associar cada indivíduo ao seu centróide mais próximo • Recalcular os centróides com base nos indivíduos classificados
Prof. Jefferson Morais Inteligência Artificial Aula 26 2
Algoritmo k-means • Passo 1: Os primeiros k centros dos são escolhidos aleatoriamente
• Passo 2: Cada objeto é atribuído ao grupo associado com o
centro mais próximo
• Passo 3: Computa-se um novo centro para cada grupo
(centroide)
• Passo 4: Repetir Passo 2 (com os novos centros) e Passo 3 até
que não haja mudança nos centros
Prof. Jefferson Morais Inteligência Artificial Aula 26 3
Algoritmo k-means • Exemplo
Prof. Jefferson Morais Inteligência Artificial Aula 26 4
Algoritmo k-means • Exemplo com K=3
• Seleciona-se k centróides iniciais
Prof. Jefferson Morais Inteligência Artificial Aula 26 5
Algoritmo k-means • Exemplo com K=3
Iteração 1 Iteração 2
Prof. Jefferson Morais Inteligência Artificial Aula 26 6
Algoritmo k-means • Exemplo com K=3
Iteração 3 Iteração 4
Prof. Jefferson Morais Inteligência Artificial Aula 26 7
Algoritmo k-means • Exemplo com K=3
Iteração 5 Iteração n
Prof. Jefferson Morais Inteligência Artificial Aula 26 8
Algoritmo k-means • Exemplo com K=3
• Repete-se os passos anteriores até que os centróides não se movam mais
Prof. Jefferson Morais Inteligência Artificial Aula 26 9
Algoritmo k-means • Sensível à condição de inicialização
X2
Prof. Jefferson Morais Inteligência Artificial Aula 26 10
Algoritmo k-means • Sensível à condição de inicialização
X2
Prof. Jefferson Morais Inteligência Artificial Aula 26 11
Algoritmo k-means • Sensível à condição de inicialização
X2
Prof. Jefferson Morais Inteligência Artificial Aula 26 12
Algoritmo k-means • Aspectos positivos • Eficiente • O(n) • Como usa critério de compactação, é indicado para encontrar grupos hiperesféricos
Prof. Jefferson Morais Inteligência Artificial Aula 26 13
Algoritmo k-means • Aspectos negativos • Podem convergir para ótimos locais • Sensível à inicialização • Clusters em geral desbalanceados • Como determinar o valor de k
Prof. Jefferson Morais Inteligência Artificial Aula 26 14