PyTorch Howsam

This media is not supported in your browser

VIEW IN TELEGRAM

این هفته توی کورس یادگیری ماشین که برای یه شرکت برگزار می‌کنیم، قراره درباره یادگیری بدون ناظر (کاهش بُعد و خوشه‌بندی) صحبت کنیم. گفتم یه توضیح ساده درباره خوشه‌بندی اینجا بدم.

روش‌های مختلفی برای خوشه‌بندی وجود داره؛ مثلا K-Means که احتمالا خیلیا باهاش آشنا هستن. ولی این روش اصلا به شکل و توزیع داده‌ها کاری نداره و فقط بر اساس فاصله داده‌ها رو خوشه‌بندی می‌کنه.

در عوض، یه روش دیگه به اسم DBSCAN داریم که خوشه‌بندی رو بر اساس چگالی داده‌ها انجام میده و برخلاف K-Means، به شکل و پخش شدن داده‌ها هم توجه می‌کنه.

انیمیشنی که بالا گذاشتم، خیلی خوب نشون میده که DBSCAN چطوری داده‌ها رو خوشه‌بندی می‌کنه. کاری که K-Means نمی‌تونه انجام بده.

www.tgoop.com/pytorch_howsam/661

2.9K viewsedited  Mar 11 at 13:16

این هفته توی کورس یادگیری ماشین که برای یه شرکت برگزار می‌کنیم، قراره درباره یادگیری بدون ناظر (کاهش بُعد و خوشه‌بندی) صحبت کنیم. گفتم یه توضیح ساده درباره خوشه‌بندی اینجا بدم.

روش‌های مختلفی برای خوشه‌بندی وجود داره؛ مثلا K-Means که احتمالا خیلیا باهاش آشنا هستن. ولی این روش اصلا به شکل و توزیع داده‌ها کاری نداره و فقط بر اساس فاصله داده‌ها رو خوشه‌بندی می‌کنه.

در عوض، یه روش دیگه به اسم DBSCAN داریم که خوشه‌بندی رو بر اساس چگالی داده‌ها انجام میده و برخلاف K-Means، به شکل و پخش شدن داده‌ها هم توجه می‌کنه.

انیمیشنی که بالا گذاشتم، خیلی خوب نشون میده که DBSCAN چطوری داده‌ها رو خوشه‌بندی می‌کنه. کاری که K-Means نمی‌تونه انجام بده.

BY PyTorch Howsam