آموزش مبانی یادگیری ماشین و هوش مصنوعی: خوشه بندی و تداعی

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

• آنچه باید بدانید What you should know

• با استفاده از پرونده های تمرینی Using the exercise files

• یادگیری ماشین بدون نظارت چیست؟ What is unsupervised machine learning?

1. تجزیه و تحلیل خوشه چیست؟ 1. What Is Cluster Analysis?

• با استفاده از نقشه پراکندگی 2D ، به داده ها نگاه می کنید Looking at the data with a 2D scatter plot

• درک تجزیه و تحلیل خوشه ای سلسله مراتبی Understanding hierarchical cluster analysis

• در حال انجام تجزیه و تحلیل خوشه ای سلسله مراتبی Running hierarchical cluster analysis

• تفسیر یک دندروگرام Interpreting a dendrogram

• روش های اندازه گیری فاصله Methods for measuring distance

• نزدیکترین همسایگان k چیست؟ What is k-nearest neighbors?

2. K- به معنای 2. K-Means

• k- به چه معنی کار می کند؟ How does k-means work?

• کدام متغیرها را باید با k-значи استفاده کرد؟ Which variables should be used with k-means?

• تفسیر یک طرح جعبه Interpreting a box plot

• اجرای تجزیه و تحلیل خوشه ای k به معنی Running a k-means cluster analysis

• تفسیر خروجی تجزیه و تحلیل خوشه Interpreting cluster analysis output

• معنای silhouette چیست؟ What does silhouette mean?

• کدام موارد را باید با k-значи استفاده کرد؟ Which cases should be used with k-means?

• یافتن مقدار بهینه برای k: k = 3 Finding optimum value for k: k = 3

• یافتن مقدار بهینه برای k: k = 4 Finding optimum value for k: k = 4

• یافتن مقدار بهینه برای k: k = 5 Finding optimum value for k: k = 5

• بهترین راه حل چیست؟ What the best solution?

3. تجسم و گزارش راه حل های خوشه ای 3. Visualizing and Reporting Cluster Solutions

• خلاصه خوشه به معنی در یک جدول است Summarizing cluster means in a table

• ویژگی Traffic Light در اکسل Traffic Light feature in Excel

• نمودارهای خط Line graphs

4- روش های خوشه ای برای متغیرهای طبقه بندی شده 4. Cluster Methods for Categorical Variables

• ارتباط خوشه ها به دسته ها از نظر آماری Relating clusters to categories statistically

• ارتباط خوشه ها به صورت بصری Relating clusters to categories visually

• تجزیه و تحلیل مکاتبات متعدد Running a multiple correspondence analysis

• تفسیر یک نقشه ادراکی Interpreting a perceptual map

• با استفاده از تجزیه و تحلیل خوشه ای و درختان تصمیم گیری Using cluster analysis and decision trees together

• مثال BIRCH / دو مرحله ای A BIRCH/two-step example

• نمونه نقشه خود سازماندهی A self organizing map example

5- تشخیص ناهنجاری 5. Anomaly Detection

• ترفند k = 1 The k = 1 trick

• الگوریتم های تشخیص ناهنجاری Anomaly detection algorithms

• استفاده از SOM برای تشخیص ناهنجاری Using SOM for anomaly detection

6. قوانین انجمن و تشخیص توالی 6. Association Rules and Sequence Detection

• معرفی قوانین انجمن و تحلیل توالی Intro to association rules and sequence analysis

• قوانین انجمن را اجرا می کند Running association rules

• برخی اصطلاحات قوانین انجمن Some association rules terminology

• قوانین تفسیر انجمن Interpreting association rules

• قرار دادن قوانین انجمن برای استفاده Putting association rules to use

• مقایسه قوانین خوشه بندی و ارتباط Comparing clustering and association rules

• تشخیص توالی Sequence detection

نتیجه Conclusion

• مراحل بعدی Next steps