Nó k-médias

O nó k-médias fornece um método de análise de cluster. Ele pode ser usado para agrupar o conjunto de dados em grupos distintos quando você não souber quais desses grupos estão no início. Ao contrário da maioria dos métodos de aprendizagem em SPSS Modeler, os modelos K-Means do not usam um campo de destino. Esse tipo de aprendizado, sem campo de destino, é denominado aprendizado não supervisionado. Em vez de tentar prever um resultado, o K-Médias tenta descobrir padrões no conjunto de campos de entrada. Os registros são agrupados de modo que os registros em um grupo ou cluster tendem a ser semelhantes entre si, mas os registros em grupos diferentes são diferentes.

O K-Médias funciona ao definir um conjunto de centros de cluster de início derivados dos dados. Em seguida, ele designa cada registro para o cluster ao qual ele for mais similar, com base nos valores do campo de entrada do registro. Após todos os casos terem sido designados, os centros do cluster são atualizados para refletir o novo conjunto de registros designados para cada cluster. Os registros são, então, verificados novamente para ver se eles devem ser redesignados para um cluster diferente, e o processo de designação de registro/iteração do cluster continua até que o número máximo de iterações seja atingido ou até que a mudança entre uma iteração e a próxima falhe ao exceder um limite especificado.

Nota: O modelo resultante depende, em certa medida, da ordem dos dados de treinamento. Reordenar os dados e reconstruir o modelo pode levar a um modelo de cluster final diferente.

Requisitos. Para treinar um modelo K-Means, você precisa de um ou mais campos com a função configurada para Input. Campos com a função definida como Output, Bothou None são ignorados.

Fortes. Não é necessário fazer com que os dados na associação ao grupo construam um modelo K-Médias. O modelo K-Médias geralmente é o método mais rápido de armazenar em cluster grandes conjuntos de dados.