Reklam
Yapay zekâ sözlüğü Başlangıç seviyesi

K-Ortalamalar Kümeleme (K-Means Clustering)

K-Means Clustering

31.08.2026 tarihinde güncellendi

K-Means, etiketsiz verileri önceden belirlenen K adet gruba (kümeye) ayırmak için her kümenin merkez noktasını (centroid) yinelemeli olarak hesaplayan en temel kümeleme algoritmasıdır.

Genel bakış

Kavramın çerçevesi
Veri madenciliği ve denetimsiz öğrenmede en popüler algoritmadır. Hızlıdır, kolay anlaşılır ve büyük verilerde yüksek verimle çalışır.

Çalışma mantığı: 1) Rastgele K adet merkez noktası seçilir. 2) Her veri noktası kendisine en yakın merkeze atanır. 3) Kümeye atanan noktaların ortalaması alınarak merkez noktaları güncellenir. 4) Merkezler artık değişmeyene kadar (yakınsama) 2 ve 3. adımlar tekrarlanır.

Kullanım alanları: Müşteri kitlelerini gruplama, coğrafi teslimat bölgelerini paylaştırma, renk paleti çıkarma ve görüntü sıkıştırma.

Sınırlılıklar ve dikkat edilmesi gerekenler: Küme sayısı (K) baştan belirlenmelidir (Dirsek / Elbow Yöntemi ile aranır); dairesel olmayan karmaşık küme şekillerini tespit etmekte yetersiz kalabilir.

Teknik tanım ve açıklama

Temel mekanizma
Veri noktaları ile ait oldukları küme merkezleri arasındaki kareler toplamını (Within-Cluster Sum of Squares) minimize eden yinelemeli kümeleme optimizasyonudur.

Gerçek hayatta kullanım

Örnek senaryo
Bir kargo firmasının İstanbul'daki 100.000 teslimat adresini en verimli dağıtım için 5 ana lojistik merkezine (K=5) bölüştürmesi K-Means ile yapılır.