خوشه بندی و طبقه بندی

0
52
17 اسفند 1398
0
52
17 اسفند 1398

تفاوت Classification و Clustering

طبقه بندی و خوشه بندی دو شیوه یادگیری هستند که می توانند object ها را، دسته بندی کند. هر دوی آنها، object ها را بر اساس ویژگی در گروه های مختلف دسته بندی می کنند. در نگاه اوّل ممکن هست، این دو روش شبیه به نظر برسند، امّا در واقع متفاوت هستند. در ادامه به بررسی این تفاوت ها می پردازیم.

اصلی ترین تفاوت این دو روش در این است که طبقه بندی، یادگیری نظارت شده (Supervised Learning) است؛ در حالیکه، خوشه بندی، غیر نظارت شده است. در واقع در طبقه بندی داده های ورودی بر اساس برچسب ها (Lables) که از قبل تعریف شده اند، طبقه بندی و در کلاس مورد نظر (که از پیش تعریف شده) دسته بندی می شوند. امّا درخوشه بندی، دسته بندی بر اساس مشترکات و شباهتها صورت می گیرد. همچنین، برچسبی در کار نیست و کلاسها از پیش تعریف نشده اند.

در طبقه بندی، یک مدل بر اساس برچسب ها آموزش دیده (Train) و سپس امتحان (Test) می شود. امّا، در خوشه بندی نیازی به آموزش و امتحان نیست. به عبارت بهتر، مفهومی تحت عنوان آموزش و امتحان مطرح نیست. طبقه بندی در مقایسه با خوشه بندی پیچیده تر است. در جدول زیر، تفاوت های خوشه بندی و طبقه بندی و هم چنین چند مثال از الگوریتم هایی که از طبقه بندی و خوشه بندی برای دسته بندی استفاده می کنند را، مشاهده می کنید.

امیدوارم از این مطلب، راضی بوده باشید.

اشتراک گزاری:

elyas

دیدگاه ها (0)

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*
*

نماد های اعتماد

هوش مصنوعی ایران به استناد نماد های زیر ، دارای مجوز رسمی از مراجع زیر در جمهوری اسلامی ایران می باشد !

تمامی حقوق برای هوش مصنوعی ایران محفوظ است | طراحی شده با