تجزیه و تحلیل خوشه ای روشی برای گروه بندی داده ها یا مشاهدات با توجه به شباهت یا درجه نزدیکی آنها است. از طریق تجزیه و تحلیل خوشه ای، داده ها یا مشاهدات به دسته های همگن و متمایز از هم تقسیم می شوند.
در روش خوشه بندی هیچ دسته ای از قبل وجود ندارد و در واقع متغیرها به صورت مستقل و وابسته تقسیم نمی شوند. بلکه ما در اینجا به دنبال گروه هایی از داده ها هستیم که به هم شباهت دارند و با کشف این شباهت ها می توان رفتارها را بهتر شناسایی کرد و بر مبنای آنها طوری عمل کرد که نتیجه بهتری حاصل شود.
فهرست مطالب جزوه خوشه بندی :
- خوشه بندی
- کاربردهای خوشه بندی در آماده سازی داده ها
- نقاط قوت روش خوشه بندی
- نقاط ضعف روش خوشه بندی
- یک خوشه بندی خوب چیست؟
- مراحل تجزیه و تحلیل خوشه ای
- رویکردهای اصلی خوشه بندی
- روش افزاربندی
- انتخاب K عضو دلخواه اولیه
- به روز کردن میانگین داده ها
- به روز کردن میانگین خوشه ها
- الگوریتم K-means
- مثال
- روش K-mediods
- الگوریتم K-mediods
- PAM (Partitioning Around Mediods)
- CLARA
- حل یک مسئله با استفاده از الگوریتم PAM
- خوشه بندی سلسله مراتبی
- AGNES
- فاصله در خوشه بندی سلسله مراتبی
- مقایسه خوشه بندی سلسله مراتبی و غیرسلسله مراتبی
- تعیین K – تعداد خوشه ها
- ارزیابی کیفیت خوشه بندی
- شاخص دیویس – بولدین
- شاخص دان
فرمت فایل: Pdf |
تعداد صفحات: 77 |
حجم: 2.67 مگابایت |