خوشه بندی دیتاست Iris Flowers با استفاده از دو الگوریتم خوشه بندی k-means و الگوریتم DBSCAN در نرم افزار داده کاوی با پایتون ( python)

خوشه بندی ۱ ، کار بخش بندی داده ها در گروه هایی است که به آنها خوشه ۲ گفته می شود. هدف از خوشه بندی، تقسیم کردن داده ها به صورتی است که در یک خوشه حداکثر مشابهت میان نقاط داده و بین داده ها در خوشه های گوناگون، کمترین مشابهت وجود داشته باشد. به عبار ت دیگر، هدف از خوشه بندی قرار دادن نقاط داده در خوشه هایی با حداکثر مشابهت درون خوشه ای و حداقل مشابهت میان خوشه ای است. ابتدا الگوریتم خوشه بندی K-Means روی یک مجموعه داده اعمال و سپس الگوریتم DBSCAN روی آن اعمال می شود. سپس، خروجی های هر د و الگوریتم مورد بررسی قرار می گیرند و با یکدیگر مقایسه می شوند.لازم به ذکر است که دو الگوریتم نامبرده از الگوریتم های بدون نظارت هستند که در این مقاله بر روی دیتاست Iris Flowers اعمال شده است.

کلیدواژه ها:

خوشه بندی ، DBSCAN ، K-Means ، Iris Flowers