بررسی و مقایسه انواع الگوریتمهای خوشهبندی

خوشه بندی را می توان به عنوان مهمترین مسئله در یادگیری بدون نظارت در نظرگرفت. خوشه بندی با یافتن یک ساختار درون یک مجموعه از داده های بدون برچسب درگیر است. در خوشهبندی هیچ دسته از پیش تعیین شدهای وجود ندارد و دادهها صرفاًبراساس تشابه گروهبندی میشوند و عناوین هر گروه نیز توسط کاربر تعیین میگردد. خوشهبندی در مسائل استخراج دادهها، گروه بندی، تصمیمگیری و یادگیری ماشین شامل دادهکاوی، بازیابی اطلاعات، تقسیمبندی تصاویر و طبقهبندی الگوها، مناسب است. همچنین در مسائلی که دانش اولیه کمی درمورد دادهها و تصمیمگیری وجود دارد خوشهبندی میتواند، فرضیاتی را در مورد داده- ها در اختیار ما بگذارد. الگوریتمهای خوشهبندی گوناگونی برای استخراج دانش از درون مجموعه اطلاعات مختلف وجود دارد که در این مقاله این الگوریتمها مورد بررسی قرار گرفته است.

کلیدواژه ها:

خوشهبندی ، دادهکاوی ، الگوریتمهای خوشهبندی ، اعتبار سنجی