از مهم ترین تکنیک های عملی داده کاوی که کاربرد زیادی در علوم مختلف دارد به خوشه بندی تفکیکی می توان اشاره کرد که با توجه به روش های گوناگونی مانند: k-میانگین، k-میانه و …قابل پیاده سازی است. با توجه به بار محاسباتی زیاد این روش ها، برای کلان داده ها از روش هایی با بار محاسباتی کمتر (مانند الگوریتم CLARA) آشنا شده و از آن استفاده می کنیم. در این راستا بسته های مختلفی در نرم افزار R گنجانده شده است که قابلیت انجام این گونه محاسبات را دارد و به محققین در تحلیل خوشه بندی تفکیکی کمک شایان می کند. هدف از این فرادرس، خوشه بندی معرفی شده و خوشه بندی تفکیکی و روش های مختلف آن که براساس مثال، اجرا می شود.
آموزش خوشه بندی تفکیکی با نرم افزار آر R
آرمان ری بد، فارغ التحصیل دکتری رشته آمار از دانشگاه بیرجند، به نرم افزارهای آماری نظیر: SPSS و Minitab تسلط دارند و زبان های برنامه نویسی آماری S-PLUS و R نیز از مهارت های ایشان محسوب می شود. کتاب های متعدد تالیفی ایشان در زمینه دوره های ICDL، فرمول نویسی و توابع در اکسل، SPSS 17, SPSS 19 و SPSS 22 منبع اصلی مطالعه و یادگیری دانشجویان علاقه مند به این حوزه ها به شمار می رود. همچنین ایشان سابقه تالیف کتاب های آموزش و سوالات آزمون های کاربرد رایانه دانشگاه جامع علمی کاربردی را دارند.
چکیده آموزش
توضیحات تکمیلی
از مهم ترین تکنیک های عملی داده کاوی که کاربرد زیادی در علوم مختلف دارد به خوشه بندی تفکیکی می توان اشاره کرد که با توجه به روش های گوناگونی مانند: k-میانگین، k-میانه و …قابل پیاده سازی است. با توجه به بار محاسباتی زیاد این روش ها، برای کلان داده ها از روش هایی با بار محاسباتی کمتر (مانند الگوریتم CLARA) آشنا شده و از آن استفاده می کنیم. در این راستا بسته های مختلفی در نرم افزار R گنجانده شده است که قابلیت انجام این گونه محاسبات را دارد و به محققین در تحلیل خوشه بندی تفکیکی کمک شایان می کند. هدف از این فرادرس، خوشه بندی معرفی شده و خوشه بندی تفکیکی و روش های مختلف آن که براساس مثال، اجرا می شود.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مبانی خوشه بندی
- انواع داده ها و شیوه اندازه گیری فاصله برای داده های کمی و کیفی
- آشنایی با مفهوم خوشه بندی و معرفی روش های آن
- معرفی خوشه بندی k-means و خصوصیات آن
- تحلیل کارایی خوشه بندی k-means
- درس دوم: خوشه بندی تفکیکی در R
- آشنایی با محیط R و RStudio
- استفاده از بسته های STAT ,Cluster و همچنین Factoextra برای خوشه بندی و نمایش خوشه ها
- خوشه بندی k-means
- تعیین تعداد خوشه های مناسب برای داده ها به روش ساده
- خوشه بندی PAM) Partitioning around Medoids)
- تعیین تعداد خوشه های مناسب برای داده ها
- نمایش تصویری خوشه بندی تفکیکی
- درس سوم: خوشه بندی کلان داده ها
- معرفی الگوریتم CLARA
- اجرای خوشه بندی تفکیکی به کمک الگوریتم CLARA
- تعیین تعداد خوشه های مناسب برای داده ها
- نمایش تصویری خوشه بندی تفکیکی
مفید برای رشته های
- آمار
- مهندسی صنایع
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
مبانی خوشه بندی
توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۷ مگابایت -- (کلیک کنید +))
۲.
خوشه بندی تفکیکی در R
توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۲۴ مگابایت -- (کلیک کنید +))
۳.
خوشه بندی کلان داده ها
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.
راهنمای سفارش آموزش‌ها
.svg)
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
| نام آموزش | آموزش خوشه بندی تفکیکی با نرم افزار آر R |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۶۴۹۱۱ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | FVST9701 |
| مدت زمان | ۲ ساعت و ۳ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۲۰۴ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات
سلام
من این آموزش را در طرح افطاری به صورت رایگان دریافت کردم. خوشه بندی از مفاهیم و کاربرد های مهم در زمنیه ی هوش است. و زبان R پس از پایتون یکی از زبان های توصیه شده برای بچه های علاقمند به این حوزه است. در این آموزش مدرس هم مفاهیم را از روی اسلاید توضیح می دهد و هم در محیط برنامه نویسی RStudio به صورت پروژه محور مثل حل می کند و بخش های مختلف محیط RStudio را هم در صورت نیاز توضیح می دهد.
موفق باشید