دانلود آنی و ارسال سریع
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
مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند 
نظر شما در مورد این فرادرس چیست؟