مجموعه کدهای آماده روش های خوشه بندی

مجموعه کدهای آماده روش های خوشه بندی

در این محصول به منظور آشنایی با نحوه کدنویسی روش های مختلف خوشه بندی، مجموعه ای از کدهای اماده فراهم آماده است .

خوشه‌بندی یا آنالیز خوشه (به انگلیسی: Clustering) در آمار و یادگیری ماشینی، یکی از شاخه های یادگیری بی‌نظارت می‌باشد و فرآیندی است که در طی آن، نمونه‌ها به دسته‌هایی که اعضای آن مشابه یکدیگر می‌باشند تقسیم می‌شوند.

به این دسته ها خوشه گفته میشود. بنابراین خوشه مجموعه ای از اشیاء می‌باشد که در آن اشیاء با یکدیگر مشابه بوده و با اشیاء موجود در خوشه‌های دیگر غیر مشابه می‌باشند.

مسئلهٔ خوشه‌بندی به دو شکل می‌تواند مطرح شود: (۱) یک ماتریس n × n {\displaystyle n\times n} بی‌شباهتی داده می‌شود یا (۲) یک ماتریس n × d {\displaystyle n\times d} که هر سطر آن یک شیء را توصیف می‌کند.

خروجی الگوریتم می‌تواند به دو صورت باشد: (۱) گروه‌بندی اشیا به مجموعه‌های مجزا یا (۲) خوشه‌بندی سلسله مراتبی که یک درخت برای تقسیم‌بندی اشیا پیدا می‌کند. الگوریتم‌های نوع اول سریعتر هستند با زمان O ( n d ) {\displaystyle {\mathcal {O}}(nd)} در مقابل زمان O ( n 2 log ⁡ ( n ) ) {\displaystyle {\mathcal {O}}(n^{2}\log(n))} برای خوشه‌بندی سلسله‌مراتبی. از الگوریتم‌های مشهور برای خوشه‌بندی می‌توان به k-means اشاره کرد.