Τύποι Clustering Αλγορίθμων

Clustering είναι μια τεχνική μηχανικής μάθησης λειτουργεί με ομαδοποίηση παρόμοιων στοιχείων μαζί . Clustering είναι ένα είδος εκμάθησης χωρίς επίβλεψη μηχανής . Ο αλγόριθμος δεν χρειάζεται να «εκπαιδευτεί» και τα δεδομένα της ομάδας του δοχείου σε συνεκτικές ομάδες με έξω μια « προκατάληψη » έννοια του τι ανήκει από κοινού . Αυτό διαφέρει από εποπτευόμενους συστήματα μηχανικής μάθησης που πρέπει να «εκπαιδευτεί» για τα δεδομένα ετικέτας σωστά. Ομαδοποίηση χρησιμοποιείται κυρίως ως μηχανισμός αναγνώρισης προτύπων υπολογιστών. Γενετική ή Πιθανότητα Βασισμένο Αλγόριθμοι
Η

Generative ή με βάση τις πιθανότητες αλγόριθμοι ομαδοποίησης προσπαθήσει να ταξινομήσει τα σύνολα δεδομένων με κάποιο είδος γνωστή κατανομή , μια κοινή ομαδοποίηση των αριθμητικών δεδομένων . Αυτό το είδος του αλγόριθμος μπορεί να χρησιμοποιηθεί μόνο σε αριθμητικά δεδομένα. Γενετική αλγόριθμοι έρχονται με αρκετές επιφυλάξεις . Το πρόβλημα μπορεί να είναι άλυτο , αν τα δεδομένα δεν επιτρέπεται να διαφέρουν πάρα πολύ ελεύθερα . Γενετική αλγόριθμοι υποθέτουν επίσης ότι τα δεδομένα ενσαρκώνει μια γνωστή κατανομή , η οποία δεν είναι πάντα αλήθεια . Αυτοί οι τύποι των αλγορίθμων , επίσης, δεν ευθύνονται για το "θόρυβο " στα δεδομένα . Εικόνων
K -means Clustering
Η

K -means clustering ήταν μία από τις πρώτες μεθόδους ομαδοποίησης σε να αναπτυχθούν . Είναι απλή στην εφαρμογή της , ωστόσο, έχει το μειονέκτημα ότι είναι εξαιρετικά ευαίσθητη σε εισόδους έναρξης. K -means clustering έργα διαιρώντας τα δεδομένα σε ένα τυχαίο σύνολο των συστάδων και στη συνέχεια Εκ νέου τα μεσαία σημεία της κάθε ομάδας και την επανάληψη της διαδικασίας έως ότου υπάρχει μόνο μια συστάδα . Αυτό είναι γνωστό ως σύγκλιση .

Η Fuzzy Clustering
Η

Αντί των στοιχείων ταυτότητας και ανήκουν σε ειδικές ομάδες , fuzzy clustering επιχειρεί να προσδιορίσει το βαθμό στον οποίο ένα δεδομένο σημείο ανήκει σε μια ομάδα . Οι αλγόριθμοι που χρησιμοποιούνται για να κάνουν ασαφούς ομαδοποίησης είναι γνωστή ως " C - μέσα αλγορίθμων . " Στην προσέγγιση ασαφούς ομαδοποίησης , ένα σημείο δεδομένων μπορεί να ανήκει σε περισσότερες από μία ομάδες . Αυτό το είδος της ομαδοποίησης είναι χρήσιμο όταν τα δεδομένα μπορεί να χρειαστεί να ανήκουν σε περισσότερες από μία ομάδες .
Εικόνων agglomerative Clustering
Η

agglomerative ομαδοποίηση ήταν ένα από τα πρώτα αλγόριθμοι ομαδοποίησης είναι αναπτυχθεί . Παραμένει σε χρήση , όπως είναι επίσης ένα από τα απλούστερα αλγόριθμοι που αναπτύχθηκαν μέχρι σήμερα . Agglomerative ομαδοποίηση λειτουργεί με την αντιμετώπιση κάθε επιμέρους σημείο δεδομένων ως ένα σύμπλεγμα και την ομαδοποίηση με την πιο παρόμοιο σημείο δεδομένων . Αυτή η διαδικασία επαναλαμβάνεται μέχρις ότου τα δεδομένα " συγκλίνει ", ή υπάρχει ένα μεγάλο σύμπλεγμα που περιέχει όλα τα δεδομένα . Η διαδικασία μπορεί επίσης να γίνει αντίστροφα με το ίδιο αποτέλεσμα . Ξεκινώντας με μια συστάδα , όλα τα δεδομένα μπορούν να διαιρούνται επανειλημμένως έως ότου κάθε σημείο δεδομένων είναι η δική του συμπλέγματος .
Η
εικόνων