Clustering ist ein Verfahren des maschinellen Lernens, das Gruppen aus ähnlichen Daten bildet, ohne dass die Gruppen vorher feststehen. Das Verfahren bekommt nur die Beispiele und sucht selbst nach Zusammenballungen; wie viele Gruppen es gibt und was sie bedeuten, sagt ihm niemand.
- Clustering
Ein Lernverfahren, das Gruppen aus ähnlichen Daten bildet, ohne dass die Gruppen vorgegeben sind.
Beispiel: „Das Clustering teilte die Kundschaft in vier Gruppen, und erst danach fand das Team Namen dafür.“Es ist der bekannteste Fall von unüberwachtem Lernen. Das Google-Glossar fasst es knapp: Gruppieren verwandter Beispiele, vor allem im unüberwachten Lernen.
Wie Ähnlichkeit bestimmt wird: über den Abstand im Zahlenraum. Bei Texten und Bildern kommen die Zahlen aus einem Embedding, bei Tabellendaten aus den Spalten selbst.
Clustering in der Suchmaschinenoptimierung: das Bündeln verwandter Suchbegriffe zu Themengruppen, aus denen je eine Seite entsteht.
Beispiel: „Das Clustering fasste dreihundert Suchanfragen zu zwölf Themen zusammen, und daraus wurden zwölf Seiten.“Clustering in der Technik: der Zusammenschluss mehrerer Rechner zu einem Verbund, der den Ausfall einzelner verkraftet.
Beispiel: „Das Clustering der Webserver sorgt dafür, dass der Ausfall eines Knotens niemandem auffällt.“
Wofür es taugt
Für das Sichten großer Bestände, bevor jemand eine Einteilung festlegt. Kundengruppen aus Kaufverhalten, Themengruppen aus Supportanfragen, ähnliche Produkte aus Beschreibungen, Ausreißer in Messwerten. In all diesen Fällen ist das Ergebnis ein Vorschlag, der die Arbeit verkürzt.
Warum die Deutung beim Menschen bleibt
Weil das Verfahren Gruppen findet, aber nicht sagt, ob sie bedeutsam sind. Eine Einteilung kann sauber gerechnet und fachlich wertlos sein, etwa wenn sie nur die Länge der Texte abbildet. Deshalb gehört nach jedem Durchgang die Frage dazu: Was unterscheidet diese Gruppen wirklich, und würde jemand im Betrieb damit anders handeln?
Wo der Begriff außerhalb der KI vorkommt
An zwei Stellen, die beide zum Webgeschäft gehören. In der Suchmaschinenoptimierung heißt Clustering das Bündeln verwandter Suchbegriffe zu Themengruppen: Aus dreihundert Suchanfragen werden zwölf Gruppen, und für jede Gruppe entsteht eine Seite statt für jede Anfrage. Das Verfahren dahinter ist oft dasselbe wie im maschinellen Lernen, die Entscheidung über die Gruppen trifft am Ende ein Mensch.
In der Technik bezeichnet ein Cluster den Zusammenschluss mehrerer Rechner zu einem Verbund. Ein Servercluster verteilt die Last und fängt den Ausfall einzelner Knoten ab; ein Datenbankcluster hält mehrere Kopien derselben Daten vor. Mit dem Lernverfahren hat das nur das Wort gemeinsam, und die Verwechslung kommt in Gesprächen mit gemischtem Publikum regelmäßig vor.
Was man vorher entscheiden muss
Die Zahl der Gruppen bei den gängigen Verfahren und das Maß für Ähnlichkeit. Beides verändert das Ergebnis stark, und beides ist eine fachliche Entscheidung. Ein Durchlauf mit drei und einer mit zwölf Gruppen beantworten verschiedene Fragen, und welche gestellt wird, entscheidet der Mensch davor. Üblich ist, mehrere Einteilungen nebeneinander zu rechnen und die zu nehmen, die sich am leichtesten in Worte fassen lässt. Ein Sprachmodell kann dabei helfen, die Gruppen zu beschreiben, und das verkürzt den Schritt von der Rechnung zur Entscheidung erheblich.