021-71053903 [email protected] پشتیبانی از شنبه تا چهارشنبه ساعت 9 الی 16

الگوریتم Hierarchical

االگوریتم Hierarchical الگوریتم های یادگیری بدون نظارت است. داده های بدون برچسب با مشخصات مشابه را در یک خوشه، دسته بندی می کنند.

در این الگوریتم خوشه بندی ها به صورت سلسله مراتبی انجام می شود. یعنی به صورت مرحله به مرحله.

در قسمت های بعدی با مفهوم سلسله مراتبی آشنا خواهید شد.

مراحل انجام الگوریتم Hierarchical:
  1. هر نقطه به عنوان یک خوشه در نظر گرفته می شود. به این ترتیب با n داده، تعداد خوشه ها برابر با n است.
  2. در این مرحله دو خوشه ای که خیلی به هم نزدیک هستند. ادغام می شوند. و به این ترتیب n-1 خوشه خواهیم داشت.
  3. در مرحله بعدی باز دئ نقطه که به هم نزدیک هستند. را در یک خوشه قرار می دهیم. در نهایت n-2 خوشه خواهیم داشت.
  4. دو مرحله بالا به دفعات زیاد تکرار می شود. تا زمانی که تعداد n برابر 0 شود.یعنی یک خوشه بزرگ که شامل تمام داده ها می شود.
  5. در نهایت بعد از ساختن یک خوشه بزرگ ، از دندوگرام برای تقسیم خوشه طبق خواسته مسئله استفاده می شود.

مثال الگوریتم Hierarchical

در الگوریتم سلسه مراتبی داده ها جوری طراحی شده اند. که دارای یک ترتیب از پیش تعیین شده یعنی سلسله مراتب هستند.

برای مثال یک کتابخانه را در نظر بگیرید که دارای چندین بخش است. هر بخش دارای کتاب های زیادی است.

اما می دانیم هر بخش دارای گروه های زیادی است. در هر گروه هم با توجه به موضوع ، کتاب های زیادی قرار می گیرند.

این یک نمونه از دسته بندی سلسله مراتبی است. این الگوریتم به دو نوع تقسیم می شود.

مقایسه روش های الگوریتم سلسله مراتبی

روش تقسیم بندی:

در این روش هر همه داده ها در یک خوشه قرار می دهیم. بعد داده ها را به دو گروه مساوی تقسیم می کنیم.

هر خوشه را به همین روش بازگشتی به خوشه های بیشتر تقسیم می کنیم. تا زمانی که هر داده در یک خوشه قرار بگیرد. به این روش تجزیه تحلیل (DIANA) یا خوشه بندی بالا به پایینهم می گویند.

روش تجمیع:

در این روش هر داده در یک خوشه قرار می گیرد. با محاسبه فاصله بین آنها، خوشه هایی که کمترین فاصله را دارند. در یک خوشه جدید قرار می گیرند.

این مرحله آنقدر تکرار می شود .تا همه داده ها در یک خوشه بزرگ قرار بگیرند. نام دیگر آن خوشه بندی پایین به بالا است.

مزایا الگوریتم سلسله مراتبی:

اجرای آن آسان است.

در بعضی موارد بهترین نتیجه را می دهد.

نیازی به تعیین تعداد خوشه ها نیست.

معایب الگوریتم سلسله مراتبی:

پیچیدگی زمانی بالایی دارد.

هرگز نمی تواند چیزی که قبلا انجام داده است را تکرار کند.

گاهی تشخیص صحیح تعداد خوشه ها توسط دندوگرام دشوار است.

مطالعه بیشتر

maryam keshvari

31 مطلب منتشر شده

کارشناسی ارشد فناوری اطلاعات علاقمند به زبان برنامه نویسی python و هوش مصنوعی

درباره این مطلب نظر دهید !

مطالب پرمخاطب پایتونی ها

Regression

Regression

2
دقیـقه مطالعه
ادامه ...
مقایسه هوش مصنوعی و یادگیری ماشین و یادگیری عمیق

AI، ML , DL

3
دقیـقه مطالعه
ادامه ...

محصولات فروش پایتونی ها

%60
تخفیف

آموزش فیگما (Figma)

30,000 تومان
3
%69
تخفیف

آموزش برنامه نویسی پایتون

35,000 تومان
2