Kümeleme (Clustering) Nedir?
İngilizce: Clustering
Yayın: · Son güncelleme:
Kümeleme (Clustering) Nedir? Kısaca
Kümeleme (clustering), önceden etiketlenmemiş verileri ortak özelliklerine göre birbirine benzeyen gruplara (kümelere) ayıran bir denetimsiz öğrenme yöntemidir. Müşteri segmentasyonu ve anormallik tespiti tipik kullanım alanlarıdır.
Kümeleme, verilerin içinde gizli kalmış grupları ortaya çıkarmaya çalışır. Sınıflandırmadan farklı olarak burada önceden belirlenmiş etiketler yoktur; model "hangi veriler birbirine benziyor?" sorusuna kendisi cevap arar. Bu yüzden denetimsiz öğrenme yöntemleri arasında yer alır.
Nasıl çalışır?
Her veri noktası, özelliklerine göre bir uzayda konumlandırılır. Birbirine yakın noktalar aynı kümeye alınır. Yaygın yöntemler:
- K-means: Önceden belirlenen k sayıda küme merkezi seçer; her noktayı en yakın merkeze atar ve merkezleri tekrar tekrar günceller.
- Hiyerarşik kümeleme: Verileri adım adım birleştirerek ya da bölerek bir ağaç yapısı oluşturur.
- DBSCAN: Yoğun bölgeleri küme olarak görür; seyrek ve aykırı noktaları ayrı bırakır.
Metinler için kümeleme genellikle embedding vektörleri üzerinde yapılır; böylece benzer konulardaki belgeler aynı gruba düşer.
Örnek
Varsayımsal bir e-ticaret şirketi, müşterilerin alışveriş sıklığını, sepet tutarını ve tercih ettiği kategorileri kullanarak kümeleme yapıyor. Sonuçta "sık ama küçük alışveriş yapanlar", "kampanya dönemlerinde gelenler" ve "yüksek tutarlı ama seyrek alışveriş yapanlar" gibi gruplar ortaya çıkıyor. Şirket her gruba farklı iletişim stratejisi uygulayabiliyor.
Kullanım alanları
- Müşteri segmentasyonu
- Benzer belgeleri ya da haberleri gruplama
- Olağandışı işlemleri (anormallikleri) tespit etme
- Öneri sistemleri için benzer kullanıcıları bulma
Nelere dikkat etmeli?
Kümelerin "anlamı" model tarafından verilmez; bulunan grupları yorumlamak insana düşer. K-means gibi yöntemlerde küme sayısını seçmek sonucu büyük ölçüde etkiler. Değişkenlerin ölçekleri (TL ile adet gibi) farklıysa önce standartlaştırılmaları gerekir. Ayrıca kümeleme sonuçları, kişileri hassas özelliklere göre haksız biçimde gruplamak için kullanılmamalıdır.
Sıkça Sorulan Sorular
Kaç küme olması gerektiğine nasıl karar verilir?
Dirsek yöntemi ve siluet puanı gibi teknikler yol gösterir, ancak kesin cevap vermezler. Sonuçların iş açısından anlamlı olup olmadığı da göz önüne alınmalıdır.
Kümeleme ile sınıflandırma arasındaki fark nedir?
Sınıflandırmada etiketler önceden bellidir ve model bunlarla eğitilir. Kümelemede etiket yoktur; model benzer verileri kendiliğinden gruplar ve grupların anlamını insan yorumlar.