Inteligência Artificial

Algoritmos de Agrupamento Parte 3

Prof. Jefferson Morais

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