فیلم آموزش فارسی خوشه بندی k-means با الگوریتم ژنتیک

توضیحات

خوشه بندی k-means یکی از روشهای خوشه بندی بر اساس فاصله می باشد. این روش در آنالیز داده در داده کاوی هم استفاده می شود. در این الگوریتم هدف هدف تقسیم n نمونه  به k کلاستر یا خوشه می باشد. که هر نمونه مربوط به یک خوشه خواهد بود. ارتباط خیلی ضعیفی بین k-means و دسته بندی کننده نزدیکترین همسایه KNN وجود دارد. برخی از محققین داده کاوی این دو الگوریتم را به اشتباه یکی می گیرند. یکی از دلایل این اشتباه وجود حرف k در نامهای این دو روش می باشد. دسته بندی کننده نزدیکترین همسایه بر اساس مراکز خوشه ای عمل می کند که توسط k-means یافته می شوند. این فرایند به نام دسته بندی کننده نزدیکترین مرکز ثقل یا الگوریتم روچیو Rocchio شناخته می شود.

نحوه یافتن مراکز خوشه در شاخه مسائل Np-Hard معرفی می شود. به همین دلیل الگوریتم های هیروستیک یا تکاملی برای یافتن مراکز خوشه بهینه یکی از روشهای کارآمد می باشد. استفاده از الگوریتم تکاملی مانند الگوریتم ژنتیک باعث سریعتر همگرا شدن روش به سمت مراکز خوشه می شود. به عبارت دیگر مراکز خوشه سریعتر پیدا می شوند.

یک فیلم آموزشی 50 دقیقه ای از نحوه استفاده از الگوریتم ژنتیک برای یافته مراکز خوشه در روش k-means تهیه شده است که قسمت هایی از آنرا می توانید در قسمت زیر مشاهده بفرمایید.

پیش نیاز : 

پیش نیاز این فیلم آموزشی، آموزش بهینه سازی  و آموزش الگوریتم ژنتیک می باشد. لذا به دانش پذیران گرامی توصیه می شود ابتدا فیلم آموزشی بهینه سازی را و فیلم آموزشی الگوریتم ژنتیک را مشاهده کنند و سپس فیلم آموزشی خوشه بندی k-means با الگوریتم ژنتیک را ببینند. 

دانلود فیلم خلاصه (کیفیت اصلی)