K-Means-Clustering
- 00:00:00 Start
- 00:00:15 Unüberwachte Algorithmen
- 00:00:30 Clustering-Algorithmen
- 00:00:43 k-means
- 00:00:50 Hyperparameter
- 00:02:20 k-means in drei Schritten erklärt
- 00:04:01 Anwendungen von k-means
- 00:04:09 Datenvorverarbeitung
- 00:04:32 Vektorquantisierung
- 00:04:53 Clusteranalyse
- 00:05:11 Grenzen des k-means Algorithmus
- 00:07:05 Mean-Shift Clustering
- 00:08:03 DBSCAN
- 00:09:49 HDBSCAN
- 00:10:40 Zusammenfassung
| Zugehörige Institution(en) am KIT | Institut für Technik der Informationsverarbeitung (ITIV) Universität Karlsruhe (TH) – Zentrale Einrichtungen (Zentrale Einrichtungen) Zentrum für Mediales Lernen (ZML) |
| Publikationstyp | Audio & Video |
| Publikationsdatum | 19.10.2021 |
| Erstellungsdatum | 20.09.2021 |
| Sprache | Deutsch |
| DOI | 10.5445/IR/1000139095 |
| Identifikator | KITopen-ID: 1000139095 |
| Lizenz | Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International |
| Bemerkung zur Veröffentlichung | Dieses Video behandelt die Funktionsweise und Anwendungsgebiete des „K-Means Clustering“ Algorithmus. Dabei wird der Trainingsprozess detailliert in drei Schritten erklärt und die Grenzen dieses Algorithmus aufgezeigt. Außerdem werden drei alternative Formen des Clusterings vorgestellt: Mean-Shift Clustering, DBSCAN (Density-Based Spatial Clustering of Applications with Noise) und HDBSCAN (Hierarchical- DBSCAN). |
| Serie | Angewandte Machine Learning Algorithmen (AMALEA) |
| Folge | 12 |