K-Means-Zielfunktion (Inertia)

Die Beziehung J=\sum_{j=1}^{K}\sum_{x_i\in C_j}\|x_i-\mu_j\|_2^2 fasst K-Means minimiert die Summe der quadrierten euklidischen Abstände aller Datenpunkte zu ihrem jeweils zugeordneten Clusterzentrum. zusammen. Lies sie als Modell für klar definierte Größen, nicht als automatische Aussage über jede reale Situation. Im Beispiel Für eindimensionale Punkte 1, 2, 8, 10 mit Clustern {1,2} und {8,10} sind Zentren 1,5 und 9. J=(1−1,5)²+(2−1,5)²+(8−9)²+(10−9)²=0,25+0,25+1+1=2,5. J hat die quadrierte Einheit der Eingabeachse. werden die Symbole mit konkreten Werten verbunden und das Ergebnis wird fachlich interpretiert. Gültigkeitsgrenze: Die Zuordnung wählt für jeden Punkt das nächstgelegene Zentrum, die Aktualisierung setzt jedes Zentrum auf den Mittelwert seiner zugeordneten Punkte. Lloyd-Iterationen senken dadurch die Zielfunktion lokal, garantieren aber kein globales Quelle: scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares.

Schreibe zuerst die gesuchte Größe und alle gegebenen Werte mit ihren Bezeichnungen auf. Setze sie in J=\sum_{j=1}^{K}\sum_{x_i\in C_j}\|x_i-\mu_j\|_2^2 ein und prüfe, ob die Einheiten zusammenpassen. Das Beispiel Für eindimensionale Punkte 1, 2, 8, 10 mit Clustern {1,2} und {8,10} sind Zentren 1,5 und 9. J=(1−1,5)²+(2−1,5)²+(8−9)²+(10−9)²=0,25+0,25+1+1=2,5. J hat die quadrierte Einheit der Eingabeachse. liefert eine Rechenprobe: Werte Formel und Ergebnis müssen dieselbe Größenordnung und Bedeutung ergeben; runde erst am Ende. Gültigkeitsgrenze: Die Zuordnung wählt für jeden Punkt das nächstgelegene Zentrum, die Aktualisierung setzt jedes Zentrum auf den Mittelwert seiner zugeordneten Punkte. Lloyd-Iterationen senken dadurch die Zielfunktion lokal, garantieren aber kein globales Quelle: scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares.

Die Formel gilt nur, wenn die Größen so definiert sind wie in der Quelle und im Hintergrundtext. Prüfe insbesondere Randfälle, Messbedingungen und ob ein Näherungszeichen statt Gleichheit gemeint ist. Ein formal korrektes Einsetzen kann trotzdem fachlich falsch sein, wenn diese Voraussetzungen verletzt werden oder die betrachtete Population beziehungsweise Systemgrenze wechselt. Gültigkeitsgrenze: Die Zuordnung wählt für jeden Punkt das nächstgelegene Zentrum, die Aktualisierung setzt jedes Zentrum auf den Mittelwert seiner zugeordneten Punkte. Lloyd-Iterationen senken dadurch die Zielfunktion lokal, garantieren aber kein globales Quelle: scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares.

Die angegebene Einheit lautet: J in quadrierten Merkmalseinheiten; x_i und μ_j in identischen Merkmalseinheiten; K dimensionslos. Vor dem Einsetzen müssen alle Werte auf ein konsistentes Einheitensystem gebracht werden; Anzahlen, Prozentangaben und dimensionslose Verhältnisse sind dabei nicht austauschbar. Die Variablenliste benennt die Rolle jedes Symbols. Einheitenkontrolle erkennt viele Fehler, ersetzt aber nicht die Prüfung, ob die Formelannahmen erfüllt sind. Gültigkeitsgrenze: Die Zuordnung wählt für jeden Punkt das nächstgelegene Zentrum, die Aktualisierung setzt jedes Zentrum auf den Mittelwert seiner zugeordneten Punkte. Lloyd-Iterationen senken dadurch die Zielfunktion lokal, garantieren aber kein globales Quelle: scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares.

Ein Vergleich hilft, wenn beide Größen dieselbe Aufgabe beantworten, aber unterschiedliche Eigenschaften betonen. Berichte Definition, Eingabedaten, Schwelle oder Aggregation zusammen mit dem Zahlenwert. Die Quelle scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares. stützt die hier verwendete Definition; bei anderen Konventionen können Ergebnisse abweichen. Verwende die Kennzahl deshalb passend zum konkreten Lern- oder Analyseziel. Gültigkeitsgrenze: Die Zuordnung wählt für jeden Punkt das nächstgelegene Zentrum, die Aktualisierung setzt jedes Zentrum auf den Mittelwert seiner zugeordneten Punkte. Lloyd-Iterationen senken dadurch die Zielfunktion lokal, garantieren aber kein globales Quelle: scikit-learn User Guide, §2.3.2 K-means: inertia / within-cluster sum of squares.