کلسٹرنگ الگورتھمز

اس باب میں، ہم دیکھنے والے ہیں۔ کلسٹرنگ الگورتھم کی ایک بڑی تعداد میں اور موازنہ کریں کہ وہ کچھ مختلف ڈیٹا سیٹس پر کیسے کارکردگی کا مظاہرہ کرتے ہیں۔ تو وہ ڈیٹاسیٹس جو ہم استعمال کرنے جا رہے ہیں۔ مختلف کلسٹرنگ الگورتھم کا موازنہ کرنے کے لیے کچھ دلچسپ خصوصیات ہیں اور اس لیے ہم یہ دیکھنا چاہتے ہیں کہ مختلف الگورتھم کیسے کرتے ہیں۔ ان تمام مختلف قسم کے حالات میں۔ تو، ہم سب سے پہلے نظر آنے والے ہیں۔ at بنیادی طور پر دو مرتکز دائرے ہیں۔ لہذا، شاید اگر ہم اس ڈیٹاسیٹ کو کلسٹر کرنا چاہتے تھے، ہم شاید ہر دائرے کا کلسٹر ایک ساتھ رکھنا چاہیں گے۔ دوسرا ایک جیسا ہے، یہ دو چاند ہے۔ اور پھر، ہم شاید چاہتے ہیں۔ ان چاندوں میں سے ہر ایک کو ایک ساتھ کلسٹر کرنے کے لیے۔ تیسرا بنیادی طور پر تین بلاب ہے۔ اور ان میں سے ہر ایک کا فرق مختلف ہے۔ آپ ایک کو دیکھ سکتے ہیں۔ درمیان میں مقابلے میں تھوڑا سا زیادہ پھیلا ہوا ہے۔ دوسرے دو کے لیے جو بہت زیادہ کمپیکٹ ہیں۔ دوسری چیز جو دلچسپ ہے۔ اس ڈیٹاسیٹ کے بارے میں یہ ہے کہ وہ الگ نہیں ہیں۔ جیسا کہ وہ دیگر ڈیٹاسیٹ مثالوں میں ہیں۔ تیسرا ایک تین سگار ہے، تو اس کے بجائے ڈیٹاسیٹ میں سرکلر قسم کا بلاب ہونا، ہمارے پاس اس طرح کی لمبی شکلیں ہیں۔ تیسرا صرف تین ہے، کافی کمپیکٹ بلاب۔ اور پھر آخری بنیادی طور پر بے ترتیب شور ہے، لہذا اس حتمی ڈیٹاسیٹ کا کوئی نمونہ نہیں ہے۔ ٹھیک ہے، تو آئیے منی بیچ کے کے مطلب سے شروع کرتے ہیں۔ ہم پہلے ہی تھوڑا سا جانتے ہیں K- مطلب الگورتھم کے بارے میں۔ اس کے بجائے اسے تیز تر بنانے کا ایک طریقہ ہے۔ ڈیٹا کی ہر قطار کی درجہ بندی کرنا، ہر بار جب سینٹرائڈز کو اپ ڈیٹ کیا جاتا ہے، اس کے بجائے، آپ ڈیٹا کا نمونہ لے سکتے ہیں۔ اور اس کی بنیاد پر سنٹرائڈ کو اپ ڈیٹ کریں۔ تو، یہ ایک بہت بڑا وقت بچانے والا ہے۔ جب آپ ایک بڑا ڈیٹا سیٹ استعمال کر رہے ہیں۔ آپ کے کلسٹرنگ کے مسئلے میں، اگرچہ ایک فرق ہے ریگولر K-مینز اور منی بیچ K-مینز کے درمیان، یہ واقعی تھوڑا سا فرق ہے، اور اسی طرح، اس صورت میں جہاں آپ کے پاس کچھ استعمال کرنے والا ایک بڑا ڈیٹاسیٹ ہے۔ منی بیچ کی طرح K- کا مطلب واقعی قیمتی ہو سکتا ہے۔ یہاں ہم Python میں جانے جا رہے ہیں۔ اور ہم اس الگورتھم کو چلانے جا رہے ہیں۔ تو، آپ دیکھ سکتے ہیں کہ میرے پاس یہاں ہے، کوڈ ان تمام چھ ڈیٹاسیٹس کو ڈرا رہا ہے۔ جسے ہم درجہ بندی کے لیے استعمال کرنے جا رہے ہیں۔ اور اب میں جو کرنا چاہتا ہوں وہ تین مختلف چیزیں ہیں۔ تو، سب سے پہلے، میں اپنا اعتراض بنانا چاہتا ہوں۔ K کے ذرائع کو چلانے کے لیے۔ اگلا، میں ڈیٹا کو فٹ کرنا چاہتا ہوں۔ اور پھر آخر میں، میں کلسٹر کے نتائج کا گراف بنانا چاہتا ہوں۔ ڈیٹا سے تاکہ ہم دیکھ سکیں کہ یہ کیسے کام کرتا ہے۔ مختلف ڈیٹا سیٹس پر۔ ٹھیک ہے، تو آئیے دیکھتے ہیں کہ یہ کیسے کام کرتا ہے۔ آپ دیکھ سکتے ہیں کہ ہمارا منی بیچ K- مطلب اچھی کارکردگی کا مظاہرہ کرتا ہے۔ ہمارے تین بلاب ڈیٹاسیٹ پر، لیکن یہ واقعی صرف وہی ہے جو درجہ بندی کر رہا ہے۔ جس طرح سے ہم چاہتے ہیں۔ لیکن یاد رکھیں کہ K کا مطلب لگتا ہے۔ سینٹروائڈز کے آس پاس کے علاقوں میں اور اس طرح، منسلک پیٹرن کو تلاش کرنے کے بجائے وہاں کے اندر، یہ دیکھ رہا ہے جس میں ایک خطے کے اندر ایک دوسرے کے قریب ہیں۔ اور ان جگہوں کو نظر انداز کرنا جہاں ڈیٹا کی کمی ہے۔ تو آپ دیکھ سکتے ہیں کہ اسے کوئی نہیں مل رہا ہے۔ نمونوں میں سے، دو دائروں میں، مثال کے طور پر، یہ تین سگاروں کے ساتھ پیٹرن نہیں ڈھونڈ رہا ہے۔ اور یہ صرف واقعی پیٹرن تلاش کر رہا ہے دو چاند ڈیٹاسیٹ میں کیونکہ وہ ترتیب سے ہیں۔ خلا میں پہلے ہی کسی حد تک الگ لہذا، یہ واقعی ایک قسم کی غلط ہے لہذا اس کا نتیجہ۔ دوسری چیز جو یقینی طور پر نوٹ کرنا ہے۔ یہاں تک کہ جب ہمارے پاس تین غیر مساوی بلاب ہوں، یہ ان تینوں کلسٹرز کو تلاش کرنے کا ایک معقول کام کر رہا ہے، لیکن آپ دیکھ سکتے ہیں کہ اورنج کلسٹر کی صورت میں، اس بڑے درمیانی جھرمٹ میں خون بہہ رہا ہے۔ تو یہ وہ چیز ہے جسے آپ کو یقینی طور پر رکھنا چاہئے۔ ذہن میں جب آپ K- کا مطلب استعمال کر رہے ہیں۔ کہ یہ ان جگہوں کو نہیں دیکھتا جہاں ڈیٹا بہت کم ہے۔ کلسٹر بنانے کے لیے۔ یہ صرف ان سنٹرائڈز کا استعمال کرتا ہے۔ اس بات کا تعین کرنے کے لیے کہ کلسٹرز کہاں سے شروع ہوتے ہیں اور کہاں ختم ہوتے ہیں۔ اور اس وجہ سے، آپ کو کچھ عجیب و غریب چیزیں ہو رہی ہیں۔ ان کلسٹرز کے باہر کی طرح۔ تو اب آپ کو ایک خیال آنا چاہیے۔ منی بیچ K-means چند پر کیسے کام کر سکتے ہیں۔ ہمارے ڈیٹاسیٹس کی مثال کے طور پر، جگہیں جہاں اچھی طرح سے کام کرتا ہے اور وہ جگہیں جہاں یہ بھی کام نہیں کرتا۔