Pengelompokan pergeseran rata-rata adalah metode pengelompokan titik-titik data untuk membentuk kelompok-kelompok dengan karakteristik serupa. Ini adalah proses berulang yang memindahkan titik lebih dekat atau lebih jauh dari rata-rata, atau titik pusat cluster, dan digunakan untuk menemukan mode atau pola dalam kumpulan data. Ini dapat digunakan dalam berbagai aplikasi, seperti segmentasi gambar dan pengenalan objek.
Algoritma mean shift biasanya dimulai dengan menginisialisasi setiap titik dalam dataset ke cluster yang berbeda. Untuk setiap titik, rata-rata cluster yang berisi titik tersebut dihitung. Titik tersebut kemudian digeser ke arah rata-rata cluster tersebut, dan algoritme melakukan iterasi hingga titik tersebut tidak lagi bergeser. Hasilnya adalah sekumpulan cluster yang setiap titiknya terletak dekat dengan rata-rata cluster yang ditugaskan padanya.
Pengelompokan mean shift memiliki beberapa keunggulan dibandingkan algoritma pengelompokan lainnya, seperti k-means dan pengelompokan hierarki. Pertama, tidak memerlukan pengetahuan sebelumnya mengenai jumlah cluster pada dataset, sehingga secara otomatis dapat menentukan jumlah cluster terbaik. Kedua, hal ini sangat ditentukan oleh bagaimana data didistribusikan dan bukan berdasarkan asumsi yang telah ditentukan mengenai cluster. Terakhir, ia tidak sensitif terhadap outlier dan dapat menangani cluster non-cembung.
Namun, pengelompokan pergeseran rata-rata bukannya tanpa kelemahan. Artinya, komputasinya mahal dan mungkin tidak selalu menghasilkan solusi yang andal. Selain itu, parameter yang digunakan untuk membuat cluster tidak dapat dikontrol secara langsung.
Terlepas dari kelemahan ini, pengelompokan mean shift adalah alat yang berguna untuk menganalisis kumpulan data yang besar dan dapat memberikan wawasan tentang struktur kumpulan data yang tidak mungkin diungkap menggunakan metode tradisional.
