K-Means Clustering

تجميع K-Means هو خوارزمية أساسية ومستخدمة على نطاق واسع في مجال التعلم غير الخاضع للإشراف ومصممة للكشف عن الهياكل المخفية داخل البيانات غير المصنفة. هدفها الأساسي هو تقسيم مجموعة البيانات إلى مجموعات فرعية متميزة، تُعرف باسم العناقيد، بحيث تكون نقاط البيانات داخل المجموعة الواحدة متشابهة قدر الإمكان، بينما تكون النقاط في مجموعات مختلفة متباينة. وباعتباره حجر الزاوية في تنقيب البيانات والتحليل الاستكشافي، يُمكّن K-Means علماء البيانات من تنظيم المعلومات المعقدة تلقائياً في فئات قابلة للإدارة دون الحاجة إلى تسميات محددة مسبقاً أو إشراف بشري.

Link to this sectionكيفية عمل الخوارزمية#

تعتمد عملية K-Means على التكرار وتستخدم مقاييس المسافة لتحديد التجميع الأمثل لـ بيانات التدريب. تعمل الخوارزمية من خلال تنظيم العناصر في K من العناقيد، حيث ينتمي كل عنصر إلى العنقود الأقرب إلى المتوسط أو المركز. تقلل هذه العملية من التباين داخل كل مجموعة. تتبع سير العمل عادةً هذه الخطوات:

1. التهيئة: تختار الخوارزمية K من النقاط الأولية كمراكز. يمكن اختيار هذه النقاط عشوائياً أو عبر طرق محسنة مثل k-means++ لتسريع التقارب.

2. التخصيص: يتم تعيين كل نقطة بيانات في مجموعة البيانات إلى المركز الأقرب بناءً على مقياس مسافة محدد، وأكثرها شيوعاً هو المسافة الإقليدية.

3. التحديث: يتم إعادة حساب المراكز عن طريق أخذ المتوسط (mean) لجميع نقاط البيانات المعينة لهذا العنقود.

4. التكرار: يتم تكرار الخطوتين 2 و3 حتى تتوقف المراكز عن التحرك بشكل ملحوظ أو يتم الوصول إلى الحد الأقصى من التكرارات.

يعد تحديد العدد الصحيح للعناقيد (K) جانباً مهماً عند استخدام هذه الخوارزمية. غالباً ما يستخدم الممارسون تقنيات مثل طريقة الكوع أو تحليل درجة Silhouette لتقييم مدى تباعد العناقيد الناتجة.

Link to this sectionتطبيقات العالم الحقيقي في الذكاء الاصطناعي#

يتميز تجميع K-Means بتعدد استخداماته العالي، حيث يجد فائدة في مختلف الصناعات لأغراض التبسيط والمعالجة المسبقة للبيانات.

• ضغط الصور وتكميم الألوان: في رؤية الحاسوب (CV)، يساعد K-Means في تقليل حجم ملفات الصور عن طريق تجميع ألوان البكسل. من خلال تجميع آلاف الألوان في مجموعة أصغر من الألوان المهيمنة، تقوم الخوارزمية بفعالية بإجراء تقليل الأبعاد مع الحفاظ على الهيكل المرئي للصورة. غالباً ما تُستخدم هذه التقنية قبل تدريب نماذج متقدمة لـ اكتشاف الأشياء لتطبيع بيانات الإدخال.
• تقسيم العملاء: تستفيد الشركات من التجميع لتصنيف العملاء بناءً على تاريخ الشراء أو التركيبة السكانية أو سلوك الموقع الإلكتروني. يسمح هذا باستراتيجيات تسويق مستهدفة، وهي مكون رئيسي في حلول الذكاء الاصطناعي في التجزئة. من خلال تحديد المتسوقين ذوي القيمة العالية أو مخاطر فقدان العملاء، يمكن للشركات تخصيص رسائلها بفعالية.
• اكتشاف الشذوذ: من خلال تعلم هيكل عناقيد البيانات "الطبيعية"، يمكن للأنظمة تحديد القيم المتطرفة التي تقع بعيداً عن أي مركز. يعد هذا قيماً لاكتشاف الاحتيال في التمويل واكتشاف الشذوذ في أمن الشبكات، مما يساعد في الإبلاغ عن الأنشطة المشبوهة التي تنحرف عن الأنماط القياسية.
• إنشاء مربعات التثبيت (Anchor Box): تاريخياً، استخدمت كاشفات الأشياء مثل إصدارات YOLO القديمة خوارزمية K-Means لحساب مربعات التثبيت المثالية من مجموعات بيانات التدريب. وعلى الرغم من أن النماذج الحديثة مثل YOLO26 تستخدم طرقاً متقدمة خالية من مربعات التثبيت، يظل فهم K-Means ذا صلة بتطور معماريات الاكتشاف.

Link to this sectionمثال على التنفيذ#

في حين أن أطر التعلم العميق مثل منصة Ultralytics تتعامل مع خطوط أنابيب التدريب المعقدة، غالباً ما يُستخدم K-Means لتحليل إحصائيات مجموعات البيانات. يوضح مقتطف Python التالي كيفية تجميع إحداثيات ثنائية الأبعاد—محاكاة لمراكز الأشياء—باستخدام مكتبة Scikit-learn الشهيرة.

import numpy as np
from sklearn.cluster import KMeans

# Simulated coordinates of detected objects (e.g., from YOLO26 inference)
points = np.array([[10, 10], [12, 11], [100, 100], [102, 101], [10, 12], [101, 102]])

# Initialize K-Means to find 2 distinct groups (clusters)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto").fit(points)

# Output the cluster labels (0 or 1) for each point
print(f"Cluster Labels: {kmeans.labels_}")
# Output: [1 1 0 0 1 0] -> Points near (10,10) are Cluster 1, near (100,100) are Cluster 0

Link to this sectionالمقارنة مع الخوارزميات ذات الصلة#

من المهم التمييز بين K-Means والخوارزميات الأخرى ذات الأسماء أو الوظائف المتشابهة لضمان اختيار الأداة الصحيحة للمشروع.

• K-Means مقابل الجيران الأقرب (KNN): غالباً ما يتم الخلط بينهما بسبب حرف "K" في أسمائهما. K-Means هي خوارزمية غير خاضعة للإشراف تُستخدم لتجميع البيانات غير المصنفة. في المقابل، K-Nearest Neighbors (KNN) هي خوارزمية خاضعة للإشراف تُستخدم لـ تصنيف الصور والانحدار، وتعتمد على بيانات مصنفة لتقديم تنبؤات بناءً على فئة الأغلبية للجيران.
• K-Means مقابل DBSCAN: بينما تقوم كلتا الخوارزميتين بتجميع البيانات، تفترض K-Means أن العناقيد كروية وتتطلب تحديد عدد العناقيد مسبقاً. تقوم DBSCAN بتجميع البيانات بناءً على الكثافة، ويمكنها العثور على عناقيد ذات أشكال اعتباطية، وتتعامل مع الضوضاء بشكل أفضل. وهذا يجعل DBSCAN متفوقة للبيانات المكانية المعقدة الموجودة في مجموعات البيانات ذات الهياكل غير المنتظمة حيث يكون عدد العناقيد غير معروف.