تجميع K-Means

تجميع K-Means هو خوارزمية تعلم غير مُشرف أساسية تُستخدم في تنقيب البيانات و التعلم الآلي (ML). هدفها الأساسي هو تقسيم مجموعة بيانات إلى عدد محدد مسبقًا من المجموعات الفرعية المتميزة وغير المتداخلة، أو "المجموعات". يشير "K" في اسمها إلى عدد هذه المجموعات. تعمل الخوارزمية عن طريق تجميع نقاط البيانات معًا بناءً على تشابهها، حيث يتم قياس التشابه غالبًا بواسطة مسافة إقليدس بين النقاط. يتم تمثيل كل مجموعة بمركزها، المعروف باسم النقطة المركزية، وهو متوسط جميع نقاط البيانات داخل تلك المجموعة. إنها طريقة قوية ولكنها بسيطة لاكتشاف الأنماط والهياكل الأساسية في البيانات غير المسماة.

كيف تعمل خوارزمية K-Means

تعمل خوارزمية K-Means بشكل تكراري للعثور على أفضل تعيينات للمجموعات لجميع نقاط البيانات. يمكن تقسيم العملية إلى بضع خطوات بسيطة:

1. التهيئة: أولاً، يتم اختيار عدد المجموعات K. ثم يتم وضع K من المراكز الأولية بشكل عشوائي داخل حيز الميزات لمجموعة البيانات.
2. خطوة التعيين: يتم تعيين كل نقطة بيانات من بيانات التدريب إلى أقرب مركز. يشكل هذا K من التجمعات الأولية.
3. خطوة التحديث: يتم إعادة حساب مركز كل مجموعة عن طريق أخذ متوسط جميع نقاط البيانات المخصصة لها.
4. التكرار: تتكرر خطوات التعيين والتحديث حتى تتوقف تعيينات المجموعات عن التغيير أو يتم الوصول إلى الحد الأقصى لعدد التكرارات. عند هذه النقطة، تتقارب الخوارزمية، وتتشكل المجموعات النهائية. يمكنك رؤية شرح مرئي لخوارزمية K-Means لفهم أكثر سهولة.

يُعد اختيار القيمة الصحيحة لـ K أمرًا بالغ الأهمية وغالبًا ما يتطلب معرفة بالمجال أو استخدام طرق مثل طريقة الكوع (Elbow method) أو معامل الصورة الظلية (Silhouette score). تتوفر التطبيقات على نطاق واسع في مكتبات مثل Scikit-learn.

تطبيقات واقعية

يتم تطبيق K-Means عبر مجالات مختلفة نظرًا لبساطته وكفاءته:

• تقسيم العملاء: في مجال البيع بالتجزئة والتسويق، تستخدم الشركات K-Means لتجميع العملاء في شرائح متميزة بناءً على تاريخ الشراء أو التركيبة السكانية أو السلوك. على سبيل المثال، قد تحدد الشركة مجموعة "الموالين ذوي الإنفاق العالي" ومجموعة "المتسوقين العرضيين المهتمين بالميزانية". يتيح ذلك استراتيجيات تسويق مستهدفة، كما هو موضح في الدراسات حول تقسيم العملاء باستخدام التجميع.
• ضغط الصور: في رؤية الكمبيوتر (CV)، يتم استخدام K-Means لتحديد كمية الألوان، وهو شكل من أشكال تقليل الأبعاد. يقوم بتجميع ألوان البكسل المتشابهة في مجموعات K، واستبدال لون كل بكسل بلون مركز المجموعة. هذا يقلل من عدد الألوان في الصورة، مما يضغطها بشكل فعال. هذه التقنية هي مفهوم أساسي في تجزئة الصور.
• تحليل المستندات: يمكن للخوارزمية تجميع المستندات بناءً على ترددات المصطلحات الخاصة بها لتحديد الموضوعات أو تجميع المقالات المتشابهة، مما يساعد في تنظيم مجموعات البيانات النصية الكبيرة.

K-Means مقابل المفاهيم ذات الصلة

من المهم التمييز بين خوارزمية K-Means وخوارزميات تعلم الآلة الأخرى:

• أقرب جار K (KNN): هذا هو موضع شائع للارتباك. K-Means هي خوارزمية تجميع غير خاضعة للإشراف تقوم بتجميع البيانات غير المسماة. في المقابل، KNN هي خوارزمية تصنيف أو انحدار خاضعة للإشراف تتنبأ بتسمية نقطة بيانات جديدة بناءً على تسميات أقرب جيران K لها. تقوم K-Means بإنشاء مجموعات، بينما تصنف KNN في مجموعات محددة مسبقًا.
• آلة المتجهات الداعمة (SVM): SVM هو نموذج تعلم خاضع للإشراف يستخدم للتصنيف والذي يجد مستوى فائقًا مثاليًا لفصل الفئات. K-Means غير خاضع للإشراف ويجمع البيانات بناءً على التشابه دون أي تسميات محددة مسبقًا.
• DBSCAN: على عكس K-Means، فإن DBSCAN هي خوارزمية تجميع تعتمد على الكثافة ويمكنها تحديد التجمعات ذات الأشكال العشوائية وهي قوية ضد القيم المتطرفة. يفترض K-Means أن التجمعات كروية ويمكن أن تتأثر بشدة بالقيم المتطرفة.

في حين أن K-Means هي أداة أساسية لاستكشاف البيانات، فإن المهام المعقدة مثل اكتشاف الأجسام في الوقت الفعلي تعتمد على نماذج أكثر تقدمًا. تستخدم الكاشفات الحديثة مثل Ultralytics YOLO تقنيات متطورة للتعلم العميق لتحقيق أداء فائق. ومع ذلك، كانت مفاهيم من التجميع، مثل تجميع مربعات الارتكاز، أساسية في تطوير كاشفات الأجسام السابقة. يمكن تبسيط إدارة مجموعات البيانات لمثل هذه المهام باستخدام منصات مثل Ultralytics HUB.