مروری بر الگوریتم های خوشه بندی

خوشه بندی به عنوان یکی از رویکردهای دادهکاوی با هدف تقسیم بندی دادهها به گروههای مختلف مورد استفاده قرار می گیرد. به بیانی دیگر، تجزیه و تحلیل خوشه بندی به گروهبندی اشیای مشابه با یکدیگر می پردازد بطوریکه دادههای موجود در یک گروه با یکدیگر بیشترین شباهت و دادهها در گروههای مختلف کمترین شباهت را دارند. ما در طول روز ممکن است به طور ناخودآگاه بارها از این تکنیک ها در ذهن خود برای حل مسائل استفاده کنیم . به عنوان مثال، احساساتی که نسبت به شرایط خاص، از خود نشان می دهیم همگی برگرفته از تجربه های مشابه است که به طور خودکار در ذهنمان دسته بندی شده است . در زمینه هوش مصنوعی و یادگیری ماشین ، خوشه بندی جز گروه یادگیریهای بدون نظارت قرار می گیرند. روش های زیادی برای حل مسائل خوشه بندی وجود دارد اما هر کدام ضعف و خطا های دارند. الگوریتم های متنوع و زیادی برای انجام عملیات خوشه بندی در دادهکاوی به کار می رود با توجه به روش های مختلف ممکن است نتایج خوشه بندی برای مجموعه ای از داده های یکسان متفاوت باشد.آگاهی از الگوریتم های خوشه بندی و آشنایی با نحوه اجرای آنها کمک می کند تا مناسب ترین روش را برای خوشه بندی دادههای خود به کار ببریم تا ضعف و خطاهای کمتری در مسائل خوشه بندی داشته باشیم .

کلیدواژه ها:

خوشه بندی ، الگوریتم های خوشه بندی.