კლასტერიზაცია (Clustering) – მსგავსი მონაცემების ავტომატური დაჯგუფება წინასწარი მონიშვნის გარეშე.
როგორ მუშაობს კლასტერიზაცია
კლასტერიზაცია (clustering) ზედამხედველობის გარეშე სწავლების მეთოდია: ალგორითმი მონაცემებს ჯგუფებად, კლასტერებად, ყოფს ისე, რომ ერთ ჯგუფში მსგავსი ობიექტები მოხვდეს, სხვადასხვა ჯგუფში კი განსხვავებული. კატეგორიები წინასწარ არ არის ცნობილი. ცნობილი ალგორითმია k-means, რომელიც მონაცემებს წინასწარ მითითებული რაოდენობის ჯგუფად ყოფს.
მაგალითი ყოველდღიური ცხოვრებიდან
ახალი ამბების აგრეგატორი ასობით სტატიას თემების მიხედვით აჯგუფებს, მაგალითად ერთ ჯგუფად აერთიანებს ერთი და იმავე მოვლენის შესახებ სხვადასხვა საიტზე გამოქვეყნებულ სტატიებს.
რატომ არის კლასტერიზაცია მნიშვნელოვანი
- სტრუქტურის პოვნა – ავლენს ბუნებრივ ჯგუფებს დიდ მონაცემებში.
- მარკეტინგი – კომპანიები მომხმარებლებს ქცევის მიხედვით სეგმენტებად ყოფენ.
- ემბედინგები – ტექსტების ემბედინგებზე კლასტერიზაცია მსგავსი შინაარსის დაჯგუფებაში გვეხმარება.
წაიკითხე: Gemini Embedding 2: მოწინავე მულტიმოდალური სივრცე.
კლასტერიზაციის ალგორითმები
k-means ყველაზე ცნობილი ალგორითმია. ის ირჩევს k ცენტრს, თითოეულ წერტილს უახლოეს ცენტრს მიაკუთვნებს, შემდეგ ცენტრებს ჯგუფების შუაში გადაადგილებს და ამას იმეორებს, სანამ ჯგუფები არ დასტაბილურდება. ის სწრაფია, მაგრამ ჯგუფების რაოდენობა წინასწარ უნდა მიუთითო და კარგად მუშაობს მხოლოდ დაახლოებით მრგვალი ფორმის ჯგუფებზე.
იერარქიული კლასტერიზაცია ჯგუფებს ეტაპობრივად აერთიანებს და ხის მსგავს სტრუქტურას ქმნის. ამ ხეზე შეიძლება აირჩიო, რა დეტალურობის დონე გჭირდება. სიმკვრივეზე დაფუძნებული მეთოდები, მაგალითად DBSCAN, ჯგუფებად თვლის მჭიდროდ განლაგებულ წერტილებს და შეუძლია ნებისმიერი ფორმის ჯგუფების პოვნა, ასევე იზოლირებული წერტილების ხმაურად მონიშვნა.
კლასტერიზაციის შედეგი დიდწილად დამოკიდებულია იმაზე, როგორ იზომება მანძილი ობიექტებს შორის. ტექსტებისთვის ხშირად ემბედინგებს შორის კუთხეს იყენებენ, ცხრილური მონაცემებისთვის კი მნიშვნელოვანია, რომ სხვადასხვა მახასიათებელი ერთ მასშტაბზე იყოს მოყვანილი.
ჯგუფების რაოდენობის შესარჩევად ხშირად ცდიან რამდენიმე ვარიანტს და ადარებენ, რამდენად კომპაქტური და ერთმანეთისგან გამიჯნული გამოდის ჯგუფები. საბოლოო არჩევანში დიდ როლს ამოცანის ცოდნაც თამაშობს.
დაკავშირებული ტერმინები
ზედამხედველობის გარეშე სწავლება · კლასიფიკაცია · ემბედინგი · ლატენტური სივრცე · დატასეტი · AI ლექსიკონი
ხშირად დასმული კითხვები
რით განსხვავდება კლასიფიკაციისგან?
კლასიფიკაციაში კატეგორიები წინასწარ ცნობილია, კლასტერიზაციაში კი ალგორითმი მათ თავად პოულობს.
როგორ ავირჩიოთ კლასტერების რაოდენობა?
ხშირად ცდით და სპეციალური მეტრიკებით, ასევე საქმის ცოდნით.
შეჯამება
კლასტერიზაცია მსგავს მონაცემებს ჯგუფებად აერთიანებს წინასწარი ეტიკეტების გარეშე. ის მონაცემებში ფარული სტრუქტურის აღმოჩენაში გვეხმარება.