k-Means++
Definition
k-Means++ ist eine Initialisierungsmethode für k-Means, die Startzentren bewusst verteilt auswählt.
Das erste Zentrum wird zufällig gewählt; weitere Zentren werden mit höherer Wahrscheinlichkeit dort gewählt, wo Punkte weit von bestehenden Zentren entfernt sind. Danach läuft gewöhnliches k-Means weiter.
Einfach erklärt
Wie die ersten Gruppenmittelpunkte nicht zufällig zusammenzukleben, sondern möglichst sinnvoll über die Daten zu verteilen.
Warum das im Alltag wichtig ist
Relevant, weil schlechte Initialisierung k-Means in ungünstige lokale Lösungen führen kann.
Beispiel aus dem Mittelstand
Ein Clustering wird mehrfach mit k-Means++ initialisiert und auf Stabilität sowie innerhalb-Cluster-Varianz geprüft.
Grenzen und Fallstricke
- k-Means++ als eigenen Clusteringalgorithmus mit anderem Ziel verstehen; nur einen Run verwenden; schlechte Skalierung der Features ignorieren.
Entstehung & Geschichte
Arthur und Vassilvitskii stellten k-Means++ 2007 mit theoretischen Garantien für die erwartete Initialisierungsqualität vor.
Anwendung im Mittelstand
- Mögliche Anwendung: robustere Standardinitialisierung für k-Means-Analysen.
Häufige Fragen
Ändert k-Means++ die Zielfunktion?
Nein, primär die Initialisierung. Garantiert es das globale Optimum? Nein.
Quellen
- k-means++: The Advantages of Careful Seeding · Arthur & Vassilvitskii (2007), k-means++: The Advantages of Careful Seeding
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: