Fuzzy K-Means هي بالضبط نفس الخوارزمية مثل K-mean ، وهي تقنية تجميع بسيطة شائعة. الاختلاف الوحيد هو ، بدلاً من تخصيص نقطة حصريًا لمجموعة واحدة فقط ، يمكن أن يكون لها نوع من الغموض أو التداخل بين مجموعتين أو أكثر. فيما يلي النقاط الرئيسية التي تصف Fuzzy K-Means:
- على عكس K-Means ، التي تبحث عن مجموعة صلبة ، حيث تنتمي كل نقطة إلى مجموعة واحدة ، تسعى Fuzzy K-Means إلى المجموعات الأكثر نعومة للتداخل.
- يمكن أن تنتمي نقطة واحدة في الكتلة الناعمة إلى أكثر من مجموعة ذات قيمة تقارب معينة تجاه كل نقطة.
- يتناسب التقارب مع مسافة تلك النقطة من النقطه الوسطى العنقودية.
- على غرار K-Means ، تعمل Fuzzy K-Means على الكائنات التي تم تحديد مقياس المسافة ويمكن تمثيلها في ن- الأبعاد ناقلات الفضاء.
K-Means غامض MapReduce Flow
لا يوجد فرق كبير بين تدفق MapReduce لـ K-Means و K-Means Fuzzy. تنفيذ كلاهما في محوت مماثل.
كيف تفعل السلطة في بيثون
فيما يلي المعلمات الأساسية لتطبيق Fuzzy K-Means:
- أنت بحاجة إلى مجموعة بيانات Vector للإدخال.
- يجب أن يكون هناك RandomSeedGenerator لبذر مجموعات k الأولية.
- لقياس المسافة ، مطلوب قياس SquaredEuclideanDistanceMeasure.
- قيمة كبيرة لعتبة التقارب ، مثل –cd 1.0 ، إذا تم استخدام القيمة التربيعية لمقياس المسافة
- قيمة maxIterations القيمة الافتراضية هي -x 10.
- معامل التطبيع أو عامل التشويش بقيمة أكبر من -m 1.0
لديك سؤال لنا؟ أذكرها في قسم التعليقات وسنعاود الاتصال بك.
كيفية استخدام الذرة مع بيثون
المنشورات ذات الصلة
ثنائي إلى عشري في جافا