Ч а с т ь I главный редактор
жүктеу/скачать 7.68 Mb. Pdf көрінісі
|
| 49
Information Technology среднего значения точек в окне будет постепенно перемещаться в области с более высокой плотностью точек. Алгоритм будет остановлен, как только центроиды достигнут позиции, из ко- торой он не сможет двигаться дальше. Плюсы: нет необходимости выбирать количество кластеров, хорошо сочетается с естественным управлением данными. Минусы: плохая работа в случае большой размерности, где количество кластеров резко меняется, нет прямого контроля над количеством кластеров. 3. Основанная на плотности пространственная кластери- зация для приложений с шумами (DBSCAN) Это алгоритм кластеризации, основанной на плотности — если дан набор точек в некотором пространстве, алгоритм груп- пирует вместе точки, которые тесно расположены (точки со многими близкими соседями), помечая как выбросы точки, ко- торые находятся одиноко в областях с малой плотностью (бли- жайшие соседи которых лежат далеко). Алгоритм работает путем вычисления расстояния между каждой точкой и всеми другими точками. Затем мы помещаем точки в одну из трех категорий: основная точка, граница и точки шума. Основная точка: точки, расстояние которых относительно точки ниже по- рога, определенного эпсилоном. Граница: точка, которая не на- ходится в непосредственной близости к одной или нескольким основным точкам. Границы включены в кластер ближайшей ба- зовой точки. Точка шума: точки, которые недостаточно близки к основным точкам, чтобы считаться пограничными точками. Шумовые точки игнорируются. То есть они не являются частью какого-либо кластера. Плюсы: возможность находить кластеры произвольной формы, имеет понятие шума и устойчив к выбросам. Минусы: не полностью однозначен — краевые точки, ко- торые могут быть достигнуты из более чем одного кластера, могут принадлежать любому из этих кластеров, что зависит от порядка просмотра точек, не может хорошо кластеризовать на- боры данных с большой разницей в плотности. [3] Таким образом, мы рассмотрели необходимость кластери- зации, различные типы алгоритмов кластеризации, а также их плюсы и минусы. Кластеризация — действительно очень инте- ресная тема в машинном обучении, но есть много других типов алгоритмов кластеризации, которые стоит изучить. Литература: 1. Различия между искусственным интеллектом, машинным обучением и глубоким обучением. — Текст: электронный // Хабр: [сайт]. — URL: https://habr.com/ru/post/526984/ (дата обращения: 22.12.2020). 2. Clustering in Machine Learning. — Текст: электронный // upGrad blog: [сайт]. — URL: https://www.upgrad.com/blog/cluster- ing-in-machine-learning/ (дата обращения: 22.12.2020). 3. DBSCAN. — Текст: электронный // Википедия: [сайт]. — URL: https://ru.wikipedia.org/wiki/DBSCAN (дата обращения: 22.12.2020). жүктеу/скачать 7.68 Mb. Достарыңызбен бөлісу:
|