مروری بر الگوریتم های خوشه بندی در داده های کلان

در سال های اخیر خوش هبندی در علوم مختلف به طور گسترده ای مورد توجه قرار گرفته است و دانشمندان هر حوزه از روش های خوشه بندی ،جهت گروه بندی داده های موجود استفاده می کنند. خوشه بندی برای یادگیری بدون نظارت با ارائه معیارهایی برای تعیین مشابه یا غیرمشابهبودن دوشی مختلف مورد استفاده قرار می گیرد . این روش، نمونه ی داده ها را در زیر مجموعه هایی با نمونه های مشابه گروه بندی می کنند .بنابراین، نمونه ها در خوشه بندی با روش های سلسله مراتبی، پارتیش نبندی، مبتنی بر چگالی، مبتنی بر مدل، مبتنی بر شبکه و محاسبات نرمو ... یک نمایش کارآمد سازماندهی شده را برای جمعیت نمونه گیری شده مشخص می کند .

کلیدواژه ها:

خوشه بندی ، یادگیری ماشین ، داده های بزرگ ، K-means