Simple K-Means Clustering mit Scikit-Learn Dieses Projekt demonstriert die Funktionsweise des K-Means Clustering-Algorithmus anhand eines synthetisch generierten Datensatzes. Es ist ein idealer Einstieg in das unüberwachte Lernen (Unsupervised Learning).

🚀 Übersicht In diesem Notebook generieren wir Datenpunkte mit der make_blobs Funktion, visualisieren diese und lassen den K-Means Algorithmus die zugrunde liegenden Gruppen (Cluster) finden.

🛠️ Technologien • Python 3.x

• Pandas

• Matplotlib

• Scikit-Learn

📊 Funktionsweise

1. Daten-Generierung: Erstellung von 300 Datenpunkten mit 3 definierten Zentren.

2. Modellierung: Anwendung des K-Means Algorithmus.

3. Visualisierung: Darstellung der geclusterten Daten inklusive der berechneten Zentroiden.

💻 Installation & Nutzung

1. Repository klonen: git clone [verdächtiger Link entfernt]

2. Requirements installieren: pip install -r requirements.txt

3. Das Notebook k_means_clustering.ipynb in Google Colab oder Jupyter öffnen.