K-means är en algoritm i maskininlärning för klustring som delar in data i k grupper utan färdiga etiketter. Den kopplar varje punkt till närmaste mittpunkt och räknar sedan om mittpunkterna som medelvärdet av punkterna i varje grupp.
Det viktiga är att k-means arbetar med numeriska egenskaper och avstånd mellan dem. Den avgör inte vad grupperna betyder i verkligheten. Den hittar inte heller automatiskt hur många grupper som är bäst.
I korthet
- K-means delar in omärkt data i k grupper genom att flytta mittpunkter tills uppdelningen nästan slutar ändras.
- k betyder hur många grupper du vill ha, och det väljs i förväg.
- En mittpunkt, eller centroid, kan ses som en mötesplats mitt i en grupp.
- Metoden passar bäst när grupperna är ganska kompakta och ungefär rundade.
- Resultatet påverkas av startpunkter, skalan på egenskaperna och hur människor tolkar grupperna efteråt.
Vad är k-means och vad menas med klustring?
K-means används för klustring, på engelska clustering. Det betyder att man delar in exempel i grupper som liknar varandra, utan att varje rad har fått ett rätt svar i förväg. Det hör hemma inom oövervakad inlärning, men här fokuserar vi på själva k-means.
Att leta efter sådana matematiska grupper kallas också klusteranalys. K-means är en av flera algoritmer inom maskininlärning, och den bygger på en enkel idé: punkter som ligger nära varandra i datan hamnar ofta i samma grupp.
Det gör metoden användbar när man vill få en första struktur i data. Man kan till exempel gruppera kunder med liknande köpvanor, dokument som liknar varandra eller mätvärden som verkar höra ihop.
Vad betyder k och vad är en mittpunkt?
Bokstaven k betyder antalet grupper som algoritmen ska skapa. Om du väljer k till två försöker den dela upp datan i två grupper. Om du väljer k till tre försöker den skapa tre grupper.
K väljs i förväg. K-means får alltså ett mål av dig och gör sedan en uppdelning som passar så bra som möjligt för just det antalet grupper. Algoritmen avslöjar inte på egen hand ett enda objektivt rätt svar.
Varje grupp har en mittpunkt, på engelska centroid. Tänk dig en grupp människor som ska bestämma en mötesplats. En rimlig plats är någonstans mitt i gruppen så att ingen behöver gå orimligt långt. K-means räknar fram en sådan mitt för varje grupp, fast med datapunkter i stället för människor. Om ord som centroid och kluster känns nya kan du slå upp dem i vår ordlista.
Hur fungerar k-means steg för steg?
K-means-algoritmen följer samma enkla loop om och om igen. Den börjar med några startpunkter för mittpunkterna, delar upp datapunkterna efter närhet och flyttar sedan mittpunkterna till mitten av sina nya grupper.
Välj k
Bestäm hur många grupper du vill att datan ska delas in i.
Placera start-mittpunkter
Algoritmen börjar med k startpunkter för mittpunkterna. De kan väljas slumpmässigt eller med en smartare startmetod.
Tilldela varje punkt
Varje datapunkt kopplas till den mittpunkt som ligger närmast. Det handlar bara om avstånd i datarummet.
Räkna om mittpunkterna
För varje grupp flyttas mittpunkten till mitten av de punkter som just nu tillhör gruppen, alltså deras medelvärde.
Upprepa tills det stabiliseras
Tilldelning och omräkning upprepas tills grupperna eller mittpunkterna nästan inte ändras längre.
Målet är att få punkter i samma grupp att ligga så nära sin mittpunkt som möjligt. I praktiken minskar k-means det samlade avståndet inom grupperna, inte för att den förstår gruppernas betydelse utan för att det ger en tätare matematisk uppdelning.
Testa själv
1. Rita 12 punkter på ett papper och välj k=2.
2. Sätt ut två startkryss och markera vilken punkt som hör till vilket kryss.
3. Flytta sedan kryssen till mitten av sina grupper och upprepa en gång. Det är k-means.
Hur skiljer sig k-means från k-NN?
Namnen är lika, men uppgiften är olika. k-närmaste granne hör till övervakad inlärning och använder märkt träningsdata för att låta närliggande exempel rösta om ett svar. K-means har inget facit och skapar grupper i stället.
| Aspekt | K-means | k-NN |
|---|---|---|
| Uppgift | Hitta grupper i data | Förutsäga klass eller värde för ett nytt exempel |
| Behöver etiketter | Nej | Ja |
| Vad k betyder | Antal grupper som ska skapas | Antal närliggande grannar som får rösta |
| Vad som sparas | Mittpunkter och gruppindelning | Lagrade märkta exempel som jämförs med nya data |
De delar alltså bara bokstaven k. Det betyder inte att metoderna löser samma problem.
När passar k-means bra?
K-means fungerar bäst när grupperna är ganska kompakta, tydligt åtskilda och ungefär rundade i datan. Då blir en mittpunkt en rimlig sammanfattning av varje grupp.
Det gör metoden användbar när du vill få en snabb första indelning av data. Du ser liknande användningar på vår sida med exempel på maskininlärning, till exempel kundsegment, dokument som liknar varandra eller mätserier med liknande beteende.
- Du har omärkt data och vill hitta grupper utan facit.
- Egenskaperna går att jämföra med avstånd på ett meningsfullt sätt.
- Grupperna ser mer ut som separata klumpar än som slingriga former.
- Du vill ha en enkel metod som går att förklara utan formler.
När passar k-means sämre?
K-means passar sämre när grupperna är långsmala, böjda eller oregelbundna. Då kan närmaste mittpunkt ge en uppdelning som ser rimlig ut i siffror men känns fel när man granskar datan.
Metoden är också känslig för avvikare, alltså punkter som ligger långt bort från de andra. Eftersom mittpunkten räknas som ett medelvärde kan en sådan punkt dra gruppens mitt åt fel håll.
Skalan på egenskaperna spelar stor roll. Om en variabel mäts i mycket större tal än en annan kan den dominera avståndsberäkningen. Ett enkelt vardagsexempel är om du blandar årsinkomst och skostorlek utan att först göra dem jämförbara.
Startpunkterna spelar också roll. Olika startpunkter kan ge olika slutgrupper, särskilt när datan inte har tydliga klumpar från början.
- Fel valt k kan ge en missvisande uppdelning.
- Olika startpunkter kan leda till olika resultat.
- Avvikare kan dra mittpunkterna åt fel håll.
- Ojämt skalade egenskaper kan få en variabel att styra nästan allt.
Hur väljer man k och hur bedömer man resultatet?
Det finns inget enkelt knep som alltid berättar vilket k som är bäst. I praktiken provar man ofta flera värden och jämför resultaten.
Två vanliga hjälpmetoder är armbågsmetoden och silhuettanalys. Armbågsmetoden letar efter en punkt där bättre resultat börjar ge allt mindre nytta när k ökar. Silhuettanalys försöker mäta hur väl varje punkt passar i sin egen grupp jämfört med andra grupper. De kan hjälpa dig att mäta hur bra modellen är för olika k, men de ger inget facit.
Det är därför människor fortfarande måste avgöra om grupperna är rimliga och användbara för just frågan man arbetar med. Om du stöter på ordet överanpassning på andra sidor på sajten är det bra att veta att det är ett annat problem än att välja k i k-means.
Förstår k-means vad grupperna betyder?
Nej. K-means förstår inte grupper i mänsklig mening. Den räknar bara på numeriska egenskaper, avstånd mellan datapunkter och mittpunkter som flyttas steg för steg.
Det betyder att resultatet alltid måste tolkas av människor efteråt. En grupp kan råka motsvara lojala kunder, ett visst beteende i sensordata eller något helt ointressant. Själva algoritmen sätter inga meningsfulla etiketter på grupperna.
Det är också därför k-means är ett verktyg och inte ett facit. Den hittar statistiska mönster i data, men betydelsen av mönstren kommer från sammanhanget runt datan, inte från algoritmen själv.
Vanliga frågor
Vad står k för i k-means?
k är antalet grupper som algoritmen ska skapa. Du väljer det i förväg. K-means räknar sedan fram en uppdelning som passar så bra som möjligt för just det antalet grupper.
Hur fungerar en centroid i k-means?
En centroid är gruppens mittpunkt. Du kan tänka på den som en mötesplats i mitten av alla punkter som tillhör gruppen. När gruppen ändras flyttas centroiden till en ny mitt som räknas fram från gruppens punkter.
Hur väljer man ett rimligt k i k-means?
Ofta testar man flera värden och jämför resultaten. Armbågsmetoden och silhuettanalys kan ge vägledning genom att visa hur tydliga grupperna verkar vara. Men de pekar inte alltid ut ett enda självklart svar.
Vad är skillnaden mellan k-means och k-NN?
K-means grupperar omärkt data utan facit. k-NN använder märkta exempel för att gissa klass eller värde för en ny punkt. De råkar dela bokstaven k, men de löser olika uppgifter.
När ska man inte använda k-means?
Metoden passar sämre om grupperna är långsmala, böjda eller har oregelbundna former. Den kan också bli känslig för avvikare och för variabler som ligger på helt olika skalor. Då finns det ofta andra klustringsmetoder som fungerar bättre.
Källor
- https://en.wikipedia.org/wiki/K-means_clustering
- https://en.wikipedia.org/wiki/Cluster_analysis
- https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm
- https://scikit-learn.org/stable/modules/clustering.html
- https://scikit-learn.org/stable/modules/neighbors.html
- https://developers.google.com/machine-learning/clustering/kmeans/overview
- https://developers.google.com/machine-learning/clustering/clustering-algorithms
Skriven av AI-redaktionen. Texten är researchad och faktakontrollerad mot källorna ovan.
Senast uppdaterad: 8 november 2026