Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# K-Means Algoritma
<a name="k-means"></a>

K-means adalah algoritma pembelajaran tanpa pengawasan. Ini mencoba untuk menemukan pengelompokan diskrit dalam data, di mana anggota kelompok semirip mungkin satu sama lain dan berbeda mungkin dari anggota kelompok lain. Anda menentukan atribut yang Anda inginkan algoritma untuk digunakan untuk menentukan kesamaan. 

Amazon SageMaker AI menggunakan versi modifikasi dari algoritma pengelompokan k-means skala web. Dibandingkan dengan versi asli algoritme, versi yang digunakan oleh Amazon SageMaker AI lebih akurat. Seperti algoritme asli, algoritme ini menskalakan ke kumpulan data besar dan memberikan peningkatan dalam waktu pelatihan. Untuk melakukan ini, versi yang digunakan oleh Amazon SageMaker AI mengalirkan mini-batch (subset kecil dan acak) dari data pelatihan. Untuk informasi lebih lanjut tentang mini-batch k-means, lihat [Web-scale k-means](https://dl.acm.org/doi/10.1145/1772690.1772862) Clustering.

Algoritma k-mean mengharapkan data tabular, di mana baris mewakili pengamatan yang ingin Anda kelompokkan, dan kolom mewakili atribut pengamatan. Atribut *n* di setiap baris mewakili titik dalam ruang *n* -dimensi. Jarak Euclidean antara titik-titik ini mewakili kesamaan pengamatan yang sesuai. Algoritma mengelompokkan pengamatan dengan nilai atribut yang serupa (titik-titik yang sesuai dengan pengamatan ini lebih dekat satu sama lain). Untuk informasi selengkapnya tentang cara kerja k-means di Amazon SageMaker AI, lihat[Bagaimana K-Means Clustering Bekerja](algo-kmeans-tech-notes.md).

**Topics**
+ [Input/Output Antarmuka untuk K-Means Algoritma](#km-inputoutput)
+ [Rekomendasi Instans EC2 untuk Algoritma K-Means](#km-instances)
+ [K-Means Contoh Notebook](#kmeans-sample-notebooks)
+ [Bagaimana K-Means Clustering Bekerja](algo-kmeans-tech-notes.md)
+ [K-Means Hiperparameter](k-means-api-config.md)
+ [Menyetel K-Means Model](k-means-tuning.md)
+ [K-Means Format Respons](km-in-formats.md)

## Input/Output Antarmuka untuk K-Means Algoritma
<a name="km-inputoutput"></a>

Untuk pelatihan, algoritma k-means mengharapkan data disediakan di saluran *kereta* (disarankan`S3DataDistributionType=ShardedByS3Key`), dengan saluran *uji* opsional (disarankan`S3DataDistributionType=FullyReplicated`) untuk menilai data. Keduanya `recordIO-wrapped-protobuf` dan `CSV` format didukung untuk pelatihan. Anda dapat menggunakan mode File atau mode Pipa untuk melatih model pada data yang diformat sebagai `recordIO-wrapped-protobuf` atau sebagai`CSV`.

Untuk inferensi,`text/csv`,`application/json`, dan `application/x-recordio-protobuf` didukung. k-means mengembalikan `closest_cluster` label dan `distance_to_cluster` untuk setiap pengamatan.

Untuk informasi lebih lanjut tentang format file input dan output, lihat [K-Means Format Respons](km-in-formats.md) untuk inferensi dan file. [K-Means Contoh Notebook](#kmeans-sample-notebooks) Algoritma k-means tidak mendukung pembelajaran instance ganda, di mana set pelatihan terdiri dari “tas” berlabel, yang masing-masing merupakan kumpulan instance yang tidak berlabel.

## Rekomendasi Instans EC2 untuk Algoritma K-Means
<a name="km-instances"></a>

Kami merekomendasikan pelatihan k-means pada instance CPU. Anda dapat melatih instans GPU, tetapi harus membatasi pelatihan GPU ke instans GPU tunggal (seperti ml.g4dn.xlarge) karena hanya satu GPU yang digunakan per instance. Algoritma k-means mendukung instance P2, P3, G4dn, dan G5 untuk pelatihan dan inferensi.

## K-Means Contoh Notebook
<a name="kmeans-sample-notebooks"></a>

Untuk contoh buku catatan yang menggunakan K-means algoritme SageMaker AI untuk mengelompokkan populasi kabupaten di Amerika Serikat berdasarkan atribut yang diidentifikasi menggunakan analisis komponen prinsip, lihat [Menganalisis data sensus AS untuk segmentasi populasi menggunakan](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/US-census_population_segmentation_PCA_Kmeans/sagemaker-countycensusclustering.html) Amazon AI. SageMaker Untuk petunjuk cara membuat dan mengakses instance notebook Jupyter yang dapat Anda gunakan untuk menjalankan contoh di SageMaker AI, lihat. [Contoh SageMaker notebook Amazon](nbi.md) Setelah Anda membuat instance notebook dan membukanya, pilih tab **Contoh SageMaker AI** untuk melihat daftar semua sampel SageMaker AI. Untuk membuka buku catatan, klik tab **Use** dan pilih **Create copy**.