Clustering

Wat is clustering?

Clustering is een techniek uit machine learning die gegevens automatisch groepeert op basis van onderlinge gelijkenis, zonder dat iemand vooraf labels of categorieën heeft bepaald. Het systeem ontdekt zelf welke datapunten bij elkaar horen. Die groepen heten clusters.

Hoe werkt het?

Een clusteringalgoritme vertaalt elk datapunt naar een set kenmerken en berekent hoe sterk punten op elkaar lijken, meestal als een afstand: hoe kleiner de afstand, hoe groter de gelijkenis. Bekende algoritmen zijn k-means, dat data verdeelt in een vooraf gekozen aantal clusters rond een middelpunt, hiërarchische clustering, dat een boomstructuur van groepen opbouwt, en DBSCAN, dat clusters herkent aan dichte concentraties van punten en uitschieters apart zet. Omdat er geen labels zijn, beoordeel je het resultaat met maten als de silhouette score, die aangeeft hoe goed punten in hun cluster passen.

Wat heb je eraan als bedrijf?

Clustering is bij uitstek geschikt om je data te verkennen. Welke typen klanten heb ik eigenlijk? Welke supporttickets gaan in de kern over hetzelfde probleem? Welke producten worden vaak samen gekocht? Clustering geeft daar antwoord op zonder dat je vooraf een indeling hoeft te bedenken. Het resultaat is vaak het startpunt voor gerichtere marketing, slimmer voorraadbeheer of een betere kennisbank.

Gerelateerde begrippen

Clustering is de bekendste vorm van unsupervised learning en het tegendeel van classification met vooraf bepaalde labels. Zie ook cluster analysis en k-means clustering.