Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

K-Means

K-Means to jeden z najpopularniejszych algorytmów uczenia nienadzorowanego — odnajduje naturalne grupy w danych bez etykiet. Algorytm iteracyjnie przypisuje punkty do najbliższego centroidu, a następnie przesuwa centroidy do środka przypisanych im punktów. Prostota i efektywność sprawiają, że K-Means jest stosowany od segmentacji klientów po kompresję obrazów.

Czego się nauczysz

  • Jak algorytm iteracyjnie zbliża się do rozwiązania
  • Dlaczego wybór K (liczby klastrów) jest kluczowy
  • Jak inicjalizacja centroidów wpływa na wynik
  • Kiedy K-Means zawodzi i jakie są alternatywy

Jak korzystać z wizualizacji

Algorytm klasteryzacji K-Means w akcji. Wygeneruj dane, ustaw liczbę klastrów (K) i obserwuj jak algorytm iteracyjnie przydziela punkty do klastrów i przesuwa centroidy. Kliknij na wykresie żeby dodać własne punkty.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →