1. Кластеризація даних.
Представлення результатів.
Алгоритм k-mean, fuzzy c-mean.
Підготував Миляник Іван,
Група ПМІ-32

2. Кластеризація – пошук певної структури/порядку в
певному невпорядкованому наборі даних.
Кластеризація – це процес організації, впорядкування
даних в групи, члени яких є схожими якоюсь мірою.

3. Кластер – це набір груп, об’єкти яких є схожими в
межах групи і різними між різними групами.

4. Ціль кластеризації
Відшукати групування за властивостями в наборі
невпорядкованих даних.
Можливі застосування
Впорядкування книг в бібліотеці
Автоматична класифікація рослин та тварин до класів
В маркетингу пошук користувачів зі схожими потребами
І багато іншого …

5. Основні вимоги до алгоритмів кластеризації
Масштабованість
Робота з різними типами даних
Можливість опрацьовувати “шуми”

6. Але не все так просто…
Проблеми
Далеко не завжди можна відшукати параметри, за якими ми будемо
порівнювати об’єкти, а якщо і можна – то не завжди вони будуть
максимально задовольняти наші потреби
Довго триває кластеризація, якщо наші об’єкти – в багатьох вимірах, з
багатьма параметрами.
Результат не завжди однозначний

7. Класифікація алгоритмів кластеризації
Виключна/ексклюзивна кластеризація
Паралельна кластеризація
Ієрархічна кластеризація
Ймовірнісна кластеризація

8. Алгоритм
Fuzzy C-mean
Приклад паралельної кластеризації

9. Алгоритм
Мінімізуємо :
Спочатку матриця U = 0
Далі ітеративно виконуємо наступні перерахунки, доки ||U(k+1)
- U(k)
||< Eps

11. Алгоритм
K-mean
Приклад алгоритму виключної(ексклюзивної)
кластеризації

12. Алгоритм
1)Виберемо K випадкових центроїдів в нашій області
2)Поставимо у відповідність кожній точці рівно один центроїд, який
найближчий до тої точки
3)Коли всі точки розподілено, перерахуємо положення центроїдів.
4)Повторювати кроки 2 і 3 доки центроїди рухатимуться. В
кінцевому результаті – отримаємо К-кластеризацію.

13. Демонстрація K-mean алгоритму.

14. Дякую за увагу.
Успіхів на модулі 