Mashinaviy o'qitishda Klasterlash Nazoratsiz o'qitish

Klasterlash usullarining turlari 
Klasterlash usullari keng miqyosda qattiq klasterlash (ma'lumotlar 
nuqtasi faqat bitta guruhga tegishli) va yumshoq klasterlash (ma'lumotlar 
nuqtalari boshqa guruhga ham tegishli bo'lishi mumkin) ga bo'linadi . Ammo 
Klasterlashning boshqa turli xil yondashuvlari ham mavjud. Mashinani o'rganishda 
qo'llaniladigan asosiy klasterlash usullari quyida keltirilgan: 
 Guruhlash yordamida klasterlash 
 Zichlikka asoslangan klasterlash 
 Tarqatish modeliga asoslangan klasterlash 
 Ierarxik klasterlash 
 Noaniq klasterlash 
 
1) Guruhlash yordamida klasterlash 
Bu ma'lumotlarni ierarxik bo'lmagan guruhlarga ajratadigan klasterlashning 
bir turi. U centroidga asoslangan usul sifatida ham tanilgan . Klasterlarni 
bo'lishning eng keng tarqalgan misoli K-Means Clustering algoritmidir. 

---

2) Zichlikka asoslangan klasterlash 
Zichlikka asoslangan klasterlash usuli yuqori zichlikga ega hududlarni 
klasterlarga bog'laydi. Ushbu algoritm buni ma'lumotlar to'plamidagi turli 
klasterlarni aniqlash orqali amalga. Ma'lumotlar maydonidagi zich joylar bir-
biridan siyrakroq joylarga bo'linadi. 
Agar ma'lumotlar to'plami turli xil zichlik va yuqori o'lchamlarga ega bo'lsa, 
ushbu algoritmlar ma'lumotlar nuqtalarini klasterlashda qiyinchiliklarga duch 
kelishi mumkin. 
3) Tarqatish modeliga asoslangan klasterlash 

---

Tarqatish modeliga asoslangan klasterlash usulida ma'lumotlar ma'lumotlar 
to'plamining 
ma'lum 
bir 
taqsimotga 
tegishli 
bo'lish 
ehtimoli 
asosida 
bo'linadi. Guruhlash ba'zi taqsimotlarni umumiy Gauss taqsimoti qabul qilish orqali 
amalga oshiradi . 
Ushbu 
turga 
misol 
Gauss 
aralashmasi 
modellaridan 
(GAM) 
foydalanadigan Kutish-Maksimizatsiya Klasterlash algoritmidir .