خوشه‌بندی

خوشه‌بندی چیست؟

خوشه‌بندی (Clustering) یعنی گروه‌بندی خودکار داده‌های مشابه — بدون اینکه کسی برچسب بدهد! این یادگیری بدون نظارت است: الگوریتم خودش ساختار داده را کشف می‌کند.

مثال‌های واقعی:

• تقسیم مشتریان به گروه‌های رفتاری (پرخرج، کم‌خرج، خفته)
• گروه‌بندی اخبار بر اساس موضوع
• کشف الگو در داده ژنتیک
• فشرده‌سازی رنگ تصویر

الگوریتم K-Means

محبوب‌ترین الگوریتم خوشه‌بندی؛ K یعنی تعداد خوشه‌ها (که ما انتخاب می‌کنیم). مراحل:

1. K نقطه به‌عنوان مرکز خوشه انتخاب کن (تصادفی)
2. هر داده را به نزدیک‌ترین مرکز نسبت بده
3. مراکز را به میانگین اعضای خوشه منتقل کن
4. به مرحله ۲ برگرد و تکرار کن تا دیگر تغییری نشود

مثال شهودی

فرض کنید نقشه خانه‌های یک شهر دارید و می‌خواهید ۲ سوپرمارکت بگذارید که مجموع فاصله همه خانه‌ها کمینه باشد. K-Means دقیقاً همین کار را می‌کند: جای بهینه دو «مرکز» را پیدا می‌کند و هر خانه به نزدیک‌ترین سوپرمارکت اختصاص می‌یابد.

انتخاب K چقدر باشد؟

• گاهی تعداد خوشه از قبل معلوم است (مثلاً ۳ سایز لباس)
• وگرنه با روش آرنج (Elbow Method): برای K های مختلف، «مجموع فاصله تا مراکز» را رسم کنید؛ جایی که نمودار مثل آرنج خم می‌شود، K مناسب است

محدودیت‌ها

• باید از قبل K را مشخص کنید
• به مقیاس ویژگی‌ها حساس است (اول مقیاس‌بندی کنید!)
• خوشه‌های گرد فرض می‌کند؛ برای شکل‌های عجیب مناسب نیست
• به انتخاب اولیه مراکز حساس است

جمع‌بندی

• خوشه‌بندی = گروه‌بندی خودکار مشابه‌ها بدون برچسب
• K-Means: تکرار انتساب به نزدیک‌ترین مرکز + به‌روزرسانی مراکز
• انتخاب K با روش آرنج
• خروجی خوشه‌بندی نیاز به تفسیر دارد