با سلام،
دوستان یک سوال دارم، ممنون میشم افرادی که مطلبی میدونند، راهنمایی کنند:
فرق اینکه ما بیایم و یک دیتاست رو با kmeans خوشه بندی کنیم و بعد درجه ی تعلق داده ها رو بدست بیارم، با اینکه از اول از خوشه بندی fcm استفاده کنیم، چی هست؟
سلام .
k-means میاد بطور قطعی هر داده رو توی یه خوشه میندازه ولی fuzzy c mean بصورت درصدی هر داده رو به خوشه ها نسبت میده یعنی مثلا داده شماره ۱۲ : ۳۰% به خوشه ۱ و ۷۰% به خوشه ۲ .
این اسلاید قشنگ یاد داده :
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
(۲۴ شهریور ۱۳۹۳ ۰۳:۵۰ ق.ظ)ihelpu نوشته شده توسط: سلام .ممنون از این که زمان گذاشتید و پاسخ دادید ولی سوالم رو دقیق نخوندید. من میدونم خوشه بندی فازی چطور عمل میکنه. خودم حتی یک نسخه از اون رو توی متلب با یک معیار فاصله ی دیگه پیاده سازی کردم. سوالم این هست که اگر ما بیایم و اول دیتاست رو خوشه بندی kmeans کنیم، و بعد با استفاده از مراکز بدست اومده از این خوشه بندی، درجه ی تعلق هر کدوم از داده ها به هر کدوم از مراکز رو بدست بیاریم، (خودم این موضوعی که میگم رو توی متلب پیاده سازی کردم)، چه تفاوتی با خوشه بندی fcm داره؟
k-means میاد بطور قطعی هر داده رو توی یه خوشه میندازه ولی fuzzy c mean بصورت درصدی هر داده رو به خوشه ها نسبت میده یعنی مثلا داده شماره ۱۲ : ۳۰% به خوشه ۱ و ۷۰% به خوشه ۲ .
این اسلاید قشنگ یاد داده :
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
دوستان واسه آشنایی عمومی با انواع خوشه بندی منبعی کم حجم و اسان دارید؟ لطفا اگه ممکنه بذارید ما هم استفاده کنیم.
من پاسخ این سوال رو بصورت قطعی بلد نیستم ولی بخاطر احترام به درخواست دوستم AmiriManesh حدس های خودمو مینویسم اینجا
اول یه سوال می پرسم، الآن نتیجه ای که از اجرای هر دو روش گرفتین یکسانه؟
من حدس می زنم توی روش اول شما، خوشه بندی فازی اصلا صورت نگرفته، یعنی خوشه بندی crisp انجام شده، چون خوشه بندی فازی مرحله ی اولش محاسبه ی درجه تعلق داده ها بعد نسبت دادنشون به یک یا چند خوشه است ...اما شما توی روش اولتون خوشه بندی رو کامل انجام میدید با k-means، بعد درجه تعلق حساب می کنید که حالا من نمی دونم این درجه تعلقه چه استفاده ای میشه ازش کرد ...یعنی از این درجه تعلق چه مطلبی رو استنباط می کنید؟ مثلا می خواید باهاش کارایی k-means رو ارزیابی کنید؟ ...واقعا نمی دونم
من نمی دونم ولی حتی اگر نتایج یکسانی از این دو روش بدست بیارید(که من احساس می کنم نباید اینگونه باشه) تو دیتاست های بزرگ از لحاظ performance این دو روش تفاوت خودشون رو نشون میدن ...یعنی روش اول به مراتب سریعتر از روش fcm باید پاسخ بده از نظر من ...
نمی دونم تا چه حد پاسخم بدردتون بخوره
دوستان ببخشید برای دومین بار درخواستم رو مینویسم، منم پروژه ای که برداشته ام به خوشه بندی هم مربوط میشه، لطفا اگه اسلاید . یا هر منبعی که در کمترین زمان بتونم باهاشون آشنا بشم رو معرفی کنید.
مرسی.
سلام،
ابتدا در پاسخ به درخواست اون دوستمون که راجع به خوشه بندی مطلب خواستند، من شخصا ابتدا کتابهای داده کاوی رو خوندم و بعد از طریق مقالات، با انواع دیگه ی خوشه بندی آشنا شدم.
راجع به خوشه بندی، کتاب زیر هم هست:
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
کتابهای داده کاوی فارسی هم زیاد هستند، که بهترین اونها از نظر من، کتاب دکتر صنیعی آباده ست.
و اما راجع به سوال خودم، ممنون از آقای Lonely palm که همیشه زمان میگذارند و جواب میدن.
نتیجه ای که از اجرای هر دو روش داشتم، یکسان نیست.
من مشکلی که توی خوشه بندی فازی دارم رو یکبار برای شما فرستادم. به پیشنهاد استادم، به سمت استفاده از خوشه بندی ترکیبی رفتم. یعنی ترکیب خوشه بندی fcm و kmeans. یعنی ابتدا داده ها با استفاده از kmeans خوشه بندی میشن و سپس درجه ی تعلق هر کدوم از داده ها محاسبه میشه و در نهایت نتیجه که یک ماتریس تعلق هست، به fcm داده میشه. اینطوری ما با یک ماتریس تعلق تصادفی کارمون رو با fcm شروع نمیکنیم. من تصور کردم که با انجام این کار، شاید مشکل قبلی رو نداشته باشم، ولی متاسفانه سودی نداشت. بابت پیش پردازش صحیح دیتاستم مطمئن هستم ولی هر راه حلی رو امتحان کردم، باز هم همون مشکل رو توی خوشه بندی فازی دیتاستم داشتم و دارم. من معیارهای فاصله ی متفاوت (کسینوسی، همینگ، فازی) رو هم امتحان کردم ولی باز هم هیچ سودی نداشت که نداشت.... به همین دلیل به فکر این افتادم که آیا میشه از همین درجه تعلقهایی که بدست آوردم، استفاده کنم. ولی متاسفانه متاسفانه از هر کس که این سوال رو میپرسم، میگه نمیدونم...