AI FOR VET • POGLAVLJE 5

Otkrivanje skrivenih grupa: K-Means algoritam

Grupisanje neoznačenih senzorskih merenja bez ljudskog nadzora.

🎯 Learning Outcomes / Ishodi učenja:
  • Razumevanje inicijalizacije centroida i Euklidskog rastojanja.
  • Koračanje kroz iterativnu petlju dodela-ažuriranje.
  • Praćenje pada inercije klastera (sume kvadratnih odstupanja).
  • Prepoznavanje premalog i prevelikog broja klastera K.

Kod nenadgledanog učenja podaci nemaju labele. K-Means pronalazi K centara (centroida) tako što ponavlja dva koraka: 1) svakoj tački dodeljuje najbliži centroid, i 2) pomera centroide u prosek dodeljenih tačaka.

Inercija = ∑ min ||x_i − μ_j||²

Konvergencija nastupa kada se centroidi više ne pomeraju između koraka.

🔬 Interactive Laboratory / Interaktivna laboratorija:

🔍 Guided Investigation / Istraživački zadatak:
  1. Koračanje: Kliknite na Sledeći korak više puta i gledajte pomeranje centroida.
  2. Pogrešan K: Postavite K = 2 na podatke sa 3 grupe. Pogledajte kako se dve grupe nasilno spajaju.
  3. Reset: Isprobajte dugme Novi podaci / Reset da vidite uticaj početnog položaja centroida.