पार्टीशनल एल्गोरिदम के प्रकार क्या हैं?

पार्टीशनल एल्गोरिदम के प्रकार

पार्टीशनल एल्गोरिदम के दो प्रकार हैं:

1. K-Means क्लस्टरिंग

K-Means क्लस्टरिंग सबसे आम पार्टीशनिंग एल्गोरिदम है। K-Means डेटासेट में प्रत्येक डेटा को नवनिर्मित क्लस्टर्स में से केवल एक को पुनः असाइन करता है। एक रिकॉर्ड या डेटा पॉइंट को दूरी या समानता के माप का उपयोग करके निकटतम क्लस्टर को असाइन किया जाता है। K-Means क्लस्टरिंग में उपयोग किए जाने वाले निम्नलिखित चरण हैं:

प्रारंभिक क्लस्टर सेंट्रॉयड c₁, c₂, c₃ ... cₖ चुनें।
सेट S में प्रत्येक इंस्टेंस x को उस क्लस्टर को असाइन करें जिसका सेंट्रॉयड x के निकटतम है।
प्रत्येक क्लस्टर के लिए, उसके सेंट्रॉयड को पुनः गणना करें जिसके आधार पर उस क्लस्टर में कौन से तत्व निहित हैं।
चरण (b) पर जाएं जब तक कन्वर्जेंस पूरा न हो जाए।
ऑब्जेक्ट्स (डेटा पॉइंट्स) को K क्लस्टर्स में अलग करें।
क्लस्टर सेंटर (सेंट्रॉयड) = क्लस्टर में सभी डेटा पॉइंट्स का औसत।
दूरी फ़ंक्शन का उपयोग करके प्रत्येक पॉइंट को उस क्लस्टर को असाइन करें जिसका सेंट्रॉयड निकटतम है।

माध्य के लिए प्रारंभिक मान मनमाने ढंग से असाइन किए जाते हैं। इन्हें रैंडमली असाइन किया जा सकता है या शायद पहले k इनपुट आइटम्स के मानों का उपयोग किया जा सकता है। कन्वर्जेंस तत्व वर्ग त्रुटि पर आधारित हो सकता है, लेकिन इसकी आवश्यकता नहीं है। उदाहरण के लिए, एल्गोरिदम को विभिन्न क्लस्टर्स को असाइन किया जाता है। अन्य समाप्ति तकनीकों ने केवल पुनरावृत्तियों की एक निश्चित संख्या पर रोक लगा दी है। कन्वर्जेंस के बिना भी खरीदारी सुनिश्चित करने के लिए अधिकतम पुनरावृत्तियों की संख्या शामिल की जा सकती है।

एल्गोरिदम

इनपुट

D = {t₁, t₂, ... tₙ} // तत्वों का सेट
k // वांछित क्लस्टर्स की संख्या

आउटपुट

K // क्लस्टर्स का सेट

K-Means एल्गोरिदम -

माध्य m₁, m₂, ... mₖ के लिए प्रारंभिक मान असाइन करें
दोहराएं
  प्रत्येक आइटम tᵢ को उस क्लस्टर को असाइन करें जिसका माध्य निकटतम है
  प्रत्येक क्लस्टर के लिए नया माध्य गणना करें
जब तक कन्वर्जेंस मानदंड पूरे न हों

2. निकटतम पड़ोसी एल्गोरिदम (Nearest Neighbour Algorithm)

सिंगल लिंक तकनीक के समान एक एल्गोरिदम को निकटतम पड़ोसी एल्गोरिदम कहा जाता है। इस सीरियल एल्गोरिदम के साथ, आइटम्स को पुनरावृत्त रूप से वर्तमान क्लस्टर्स में संयोजित किया जाता है जो निकटतम हैं। इस एल्गोरिदम में, एक थ्रेशोल्ड t यह निर्धारित कर सकता है कि आइटम्स को मौजूदा क्लस्टर्स में डाला जाएगा या एक नया क्लस्टर उत्पन्न किया जाएगा।

एल्गोरिदम

इनपुट

D = {t₁, t₂, ... tₙ} // तत्वों का सेट
A // तत्वों के बीच दूरी दिखाने वाला आसन्न मैट्रिक्स

आउटपुट

K // क्लस्टर्स का सेट
निकटतम पड़ोसी एल्गोरिदम
K₁ = {t₁}; K = {K₁}; k = 1;
for i = 2 to n do
  कुछ क्लस्टर Kₘ में K में tₘ ढूंढें जैसे कि dis {tᵢ, tₘ} सबसे छोटा है;
  If dis {tᵢ, tₘ} ≤ t then Kₘ = Kₘ ∪ tᵢ
  else k = k + 1; Kₖ = {tᵢ}