Das Dokument bietet eine Einführung in das k-means Clustering, einem unüberwachten Lernalgorithmus, der darauf abzielt, Daten in ähnliche Cluster zu gruppieren. Der Algorithmus funktioniert durch die Wahl einer Clusteranzahl 'k', zufällige Zuordnung von Beobachtungen und wiederholte Berechnung von Cluster-Mittelpunkten, bis sich die Cluster nicht mehr verändern. Anwendungsbeispiele mit Python zeigen, wie echte Daten, wie Universitäten basierend auf ihren Eigenschaften, analysiert werden können.

1. K-Means Clustering
Eine Einführung

2. Mathematischer Hintergrund
• Kapitels 10 im ISLR-Buch gibt einen tieferen Einblick in die Thematik
K Means Clustering

3. K-Means Clustering
• Das K-Means Clustering ist ein Unsupervised Learning
(Unüberwachtes Lernen) Algorithmus der versucht ähnliche Cluster
der Daten zu bilden.
• Wie kann so ein Cluster Problem aussehen?
• Ähnliche Dokumente gruppieren
• Kunden anhand von Eigenschaften gruppieren
• Marktsegmentation
• Identifizierung physisch gleicher Gruppen
K Means Clustering

4. K-Means Clustering
• Das übergeordnete Ziel ist es die Daten in distinkte Gruppen
einzuteilen, so dass die Beobachtungen innerhalb einer Gruppe
ähnlich sind.
K Means Clustering

5. K-Means Clustering
• K-Means Algorithmus
• Wähle eine Anzahl an Clustern „K“
• Ordne jede Beobachtung zufällig einem Cluster zu
• Wiederhole die folgenden Schritte, bis sich die Cluster nicht mehr verändern:
• Berechne den Mittelpunkt jedes Clusters
• Ordne jeden Punkt dem Cluster zu, zu dessen Mittelpunkt der geringste Abstand besteht
K Means Clustering

6. K Means Clustering
• Schauen wir uns einige Wiederholungen dieser Schritte an:
K Means Clustering

7. Einen K Wert wählen
K Means Clustering

8. Einen K Wert wählen
K Means Clustering
• Wenn wir dann K gegen die SSE in ein
Diagramm bringen können wir sehen
wie der Error mit steigendem K
abnimmt. Das liegt daran, dass die
Anzahl an Clustern zunimmt
• Wählen wir so viele Cluster wie wir
Beobachtungen haben, dann landen
wir zwar bei 0, haben aber keinen
Informationsgewinn mehr.

9. Einen K Wert wählen
K Means Clustering
• Die Elbow-Methode empfiehlt
den K-Wert zu wählen, an dem
die SSE „abrupt“ abnimmt
• Dieses Abnehmen führt zum
„Elbow“, dem Ellbogen im
Graph

10. Anwendungsbeispiel mit Python
K Means Clustering
• Wir beginnen mit den eingebauten Scikit-Learn Tools um einige
Cluster zu generieren. Diese testen wir dann mit dem K-Means
Algorithmus.
• Danach arbeiten wir im Portfolioprojekt mit echten Daten und
versuchen Universitäten basierend auf Ihren Features zu gruppieren.
Dabei versuchen wir zwischen öffentlichen und privaten
Einrichtungen zu Unterschieden.