Ortalama kaydırmalı kümeleme, benzer özelliklere sahip gruplar oluşturmak için veri noktalarını bir araya getirme yöntemidir. Noktaları ortalamaya veya kümenin merkez noktasına yaklaştırıp uzaklaştıran yinelemeli bir süreçtir ve bir veri kümesindeki modları veya modelleri bulmak için kullanılır. Görüntü segmentasyonu ve nesne tanıma gibi çeşitli uygulamalarda kullanılabilir.
Ortalama kaydırma algoritması genellikle veri kümesindeki her noktanın farklı bir kümeye başlatılmasıyla başlar. Her nokta için o noktayı içeren kümenin ortalaması hesaplanır. Nokta daha sonra o kümenin ortalamasına doğru kaydırılır ve algoritma, nokta artık kaymayana kadar yinelenir. Sonuç, her bir noktanın atandığı kümenin ortalamasına yakın olduğu bir kümeler kümesidir.
Ortalama kaydırmalı kümelemenin, k-ortalamalar ve hiyerarşik kümeleme gibi diğer kümeleme algoritmalarına göre çeşitli avantajları vardır. İlk olarak, veri kümesindeki küme sayısı hakkında önceden bilgi sahibi olmayı gerektirmediğinden en iyi küme sayısını otomatik olarak belirleyebilir. İkincisi, büyük ölçüde verilerin nasıl dağıtıldığına göre belirlenir ve kümeler hakkında önceden belirlenmiş varsayımlara dayanmaz. Son olarak aykırı değerlere duyarlı değildir ve dışbükey olmayan kümeleri işleyebilir.
Ancak ortalama kaydırmalı kümelemenin dezavantajları da vardır. Yani hesaplama açısından pahalıdır ve her zaman güvenilir bir çözüme yakınsamayabilir. Ayrıca kümeleri oluşturmak için kullanılan parametreler doğrudan kontrol edilemez.
Bu dezavantajlara rağmen ortalama kaydırmalı kümeleme, büyük veri kümelerini analiz etmek için yararlı bir araçtır ve geleneksel yöntemler kullanılarak ortaya çıkarılması mümkün olmayan bir veri kümesinin yapısına ilişkin içgörüler sağlayabilir.
