K-Means, en yaygın kümeleme yöntemlerinden biridir. Amaç, verileri K sayıda küme oluşturacak şekilde düzenlemektir. Bu süreç, birkaç adımda gerçekleşir:

1. Küme Sayısının Belirlenmesi: İlk adım, kaç küme oluşturmak istediğimizi belirlemektir. Bu genellikle deneysel bir süreçtir ve verinin doğasına bağlıdır.
2. Başlangıç Küme Merkezlerinin Seçilmesi: Rastgele olarak K adet veri noktasını seçeriz. Bu noktalar, her bir kümenin merkezini temsil eder.
3. Verilerin Küme Merkezlerine Atanması: Her bir veri noktası, en yakın küme merkezine atanır. Bu, Öklid mesafesi (veya başka bir mesafe ölçütü) kullanılarak yapılır.
4. Küme Merkezlerinin Güncellenmesi: Her küme için yeni bir merkez hesaplanır; bu, o kümedeki tüm noktaların ortalamasıdır.
5. Tekrar: 3. ve 4. adımlar, küme merkezleri değişmediği sürece tekrarlanır.

Hayal edin ki, bir film öneri sistemi geliştiriyorsunuz. Kullanıcıların film tercihlerine göre en uygun filmleri öneren bir sistem tasarlıyorsunuz. K-Means Kümeleme, bu noktada devreye giriyor.

Adım 1: K Sayısını Belirleme

Öncelikle, kaç farklı film grubu oluşturmak istediğinize karar vermelisiniz. Mesela 5 farklı grup oluşturmak istiyorsunuz: aksiyon, komedi, dram, bilim kurgu ve korku.

Adım 2: Rastgele Merkezler Seçme

Her grup için başlangıçta rastgele merkezler belirliyorsunuz. Bu, film türlerinin başlangıç noktasıdır.

Adım 3: Mesafe Hesaplama ve Gruplama

Her kullanıcının film puanları, en yakın merkeze atanıyor. Örneğin, bir kullanıcı aksiyon ve bilim kurgu filmlerine yüksek puan veriyorsa, bu kullanıcı aksiyon ve bilim kurgu grubuna dahil ediliyor.

Adım 4: Merkezleri Güncelleme

Her grubun ortalaması alınarak yeni merkezler belirleniyor. Kullanıcılar gruba atandıktan sonra, gruptaki filmlerin özelliklerine göre merkezler güncelleniyor.

Adım 5: Tekrar Etme

Gruplar stabil hale gelene kadar yukarıdaki adımlar tekrarlanıyor. Yani, kullanıcıların hangi tür filmleri izlediği ve bu türlerin nasıl değiştiği sürekli olarak göz önünde bulundurulur.

Sonuç: Kişiselleştirilmiş Film Önerileri

Kullanıcılarınızı beş farklı film grubuna ayırmış oluyorsunuz. Artık, kullanıcıların hangi tür filmleri sevebileceğine dair daha iyi tahminlerde bulunabilirsiniz. Örneğin, dram grubunda yer alan bir kullanıcıya yeni çıkan en popüler dram filmlerini önerirsiniz.