clustering
اسلاید 1: ارائه دهنده: امین امیدوار استاد درس : دکتر عبدالله زادهبه نام خدا clustering
اسلاید 2: مباحث مطرحتعریف خوشه بندی (دسته بندی)توابع فاصلهانواع روشهای خوشه بندیK-MeansDb-Scan یک مثال کاربردی2 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 3: تعریف خوشه بندی3مجموعه ای از اشیاء که:1. اشیاء داخل یک خوشه به یکدیگر شبیه هستند2. دوشئ موجود در دو خوشه با یکدیگر تفاوت دارند. خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 4: توابع فاصله4 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 5: توابع فاصله5 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 6: انواع روشهای خوشه بندی6 Partitioning approach Density-Based approach Hierarchical approach Model-Based approach خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 7: K-Means7 خوشه بندی هوش تجاریدکتر عبدالله زاده ابتدا به تعداد K تا خوشه انتخاب می کند (به صورت تصادفی).مرکز ثقل هر خوشه را محاسبه می کند.اشیاء را به خوشه ای که کمترین فاصله را با آن ها دارد تخصیص می دهدبه مرحله ی 2 باز می گردد، تا زمانیکه مراکز ثقل تغییر می کنند این روند ادامه دارد.
اسلاید 8: K-Means8 خوشه بندی هوش تجاریدکتر عبدالله زاده012345678910012345678910012345678910012345678910K=2به صورت تصادفی kتا مرکز ثقل انتخاب می کندهر شی را به نزدیکترین کلاستر تخصیص می دهدمرکز ثقل هر کلاستر را به روزرسانی می کندمکز ثقل هر کلاستر به روزرسانی میشودreassignreassign
اسلاید 9: K-Means 9 خوشه بندی هوش تجاریدکتر عبدالله زاده تنها برای داده هایی استفاده می شود، که مرکز ثقل برای آنها قابل تعریف باشد.در ابتدای امر باید تعداد خوشه ها را مشخص نمایید.پیچیدگی زمانی O(tkn) که در آن t<<nدر مقابل outlierها مقاوم نیست.نتایج به انتخاب اولیه ی خوشه ها وابسته است.در کمینه ی محلی گرفتار می شود.تنها قادر به تشخیص خوشه های محدبی شکل است.
اسلاید 10: معایب K-Means 10 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 11: اندازه گیری 11 خوشه بندی هوش تجاریدکتر عبدالله زادهO0.7< Sc < 1.0 Strong structure0.5< Sc < 0.7 Medium structure0.25< Sc < 0.5 Weak structureSc < 0.25 no structure
اسلاید 12: Db-ScanCore object: Minpts=4Density reachable: 12 خوشه بندی هوش تجاریدکتر عبدالله زادهخوشه ها در جاهایی وجود دارند، که چگالی داده ها در آنجا زیاد است.
اسلاید 13: Db-Scan13 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 14: Db-Scan14 خوشه بندی هوش تجاریدکتر عبدالله زادهMinpts=3
اسلاید 15: Db-Scan15 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 16: Db-Scan16 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 17: Db-Scan17 خوشه بندی هوش تجاریدکتر عبدالله زاده
اسلاید 18: Db-Scan18 خوشه بندی هوش تجاریدکتر عبدالله زادهخوشه ها می توانند هرنوع شکلی داشته باشند.لازم نیست تعداد خوشه ها را مشخص کنید.نسبت به outlierها حساسیت ندارد و آنها را تشخیص می دهد.تعیین مقدار پارامترهای ورودی مشکل است.
اسلاید 19: 19با تشکر از توجه شماomidvaramin@gmail.comخدایا چنان کن سرانجام کار تو خشنود باشی و ما رستگار
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.