آموزش خوشه بندی تفکیکی با نرم افزار R

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