平均シフト クラスタリングは、データ ポイントをクラスタリングして、同様の特性を持つグループを形成する方法です。これは、点を平均点またはクラスターの中心点に近づけたり遠ざけたりする反復プロセスであり、データセット内のモードまたはパターンを見つけるために使用されます。画像セグメンテーションやオブジェクト認識など、さまざまなアプリケーションで使用できます。
平均シフト アルゴリズムは通常、データセット内の各ポイントを異なるクラスターに初期化することから始まります。各点について、その点を含むクラスターの平均が計算されます。次に、ポイントはそのクラスターの平均に向かってシフトされ、ポイントがシフトしなくなるまでアルゴリズムが反復されます。結果として、各ポイントが割り当てられたクラスターの平均に近いクラスターのセットが得られます。
平均シフト クラスタリングには、K 平均法や階層クラスタリングなどの他のクラスタリング アルゴリズムに比べていくつかの利点があります。まず、データセット内のクラスター数についての事前の知識が必要ないため、最適なクラスター数を自動的に決定できます。第 2 に、それは主にデータがどのように分散されるかによって決まり、クラスターに関する事前に決められた仮定に基づくものではありません。最後に、外れ値の影響を受けず、非凸クラスターを処理できます。
ただし、平均シフト クラスタリングには欠点がないわけではありません。つまり、計算コストが高く、常に信頼できる解に収束するとは限りません。さらに、クラスターの作成に使用されるパラメーターを直接制御することはできません。
これらの欠点にもかかわらず、平均シフト クラスタリングは大規模なデータセットを分析するための便利なツールであり、従来の方法では明らかにできなかったデータセットの構造についての洞察を提供できます。
