الگوریتم Twostep
این الگوریتم از یک روش خوشهبندی دو مرحلهای استفاده میکند. مرحله اول با یک گذر از دادهها، آنها را در مجموعه قابل قبولی از زیر خوشهها فشرده میکند. قدم دوم از یک روش خوشهبندی سلسله مراتبی، به منظور ادغام تکاملی این زیر خوشهها به خوشههای بزرگتر بهره میبرد (شهرابی، 1392). یکی از مزایای این الگوریتم اجرا بر روی مجموعه دادههای بزرگ است و انها را با کارایی زیاد اداره میکند. از دیگر نقاط قوت آن این است که قادر به مدیریت دادههایی با انواع مختلف فیلدها میباشد (رضائیان و همکاران، 1394). در جدول زیر، مقایسه بین الگوریتمها آورده شده است.
جدول مقایسه الگوریتمها
|
K-Means |
Kohonen |
Twostep |
|
سادگی، شهرت و پرکاربرد |
استفاده از شبکه عصبی |
روش دو مرحلهای |
|
سریعترین روش برای خوشهبندی مجموعه دادههای بزرگ |
تعداد خوشهها در زمان مدلسازی وارد نمیشوند |
اجرا بر روی مجموعه دادههای بزرگ |
|
تعداد خوشهها در زمان مدلسازی وارد میشوند |
نمایش دادههای چند بعدی |
اداره کردن دادهها با کارائی زیاد |
|
برای دادههای طبقهای کارا نیست |
|
قادر به مدیریت دادهها با انواع مختلف فیلدها |
|
|
|
تعداد خوشهها در زمان مدلسازی وارد میشوند |
|
|
|
میتواند دادههای پرت را مستثنی کند |
منبع: رضائیان و همکاران، 1394
[thrive_leads id='1265']