Скачать или смотреть كورس تعلم الآلة | ٢٨. K-Means Clustering: فهم خوارزمية التجميع غير الخاضع للإشراف

في هذا الفيديو نبدأ قسمًا جديدًا في التعلم غير الخاضع للإشراف (Unsupervised Learning) بالانتقال من تقليل الأبعاد إلى خوارزميات التجميع (Clustering Algorithms).

رابط دفتر Google Colab مع الكود:
https://colab.research.google.com/dri...

نركّز على واحدة من أشهر وأبسط خوارزميات التجميع، وهي K-Means Clustering، والتي تهدف إلى تقسيم البيانات إلى عدد محدد مسبقًا من المجموعات (K) اعتمادًا فقط على بنية البيانات نفسها، دون الحاجة إلى تسميات مسبقة.

ماذا ستتعلّم في هذا الفيديو؟
الفرق بين تقليل الأبعاد والتجميع
مفهوم clustering في التعلم غير الخاضع للإشراف
الفكرة الأساسية وراء K-Means
معنى centroid وكيف يتم حسابه
تطبيق عملي باستخدام Scikit-Learn
تفسير النتائج بصريًا
متى تعمل K-Means بشكل جيد

كما نناقش:
لماذا تعمل K-Means جيدًا عندما تكون المجموعات دائرية ومنفصلة
العلاقة بين شكل البيانات وافتراضات الخوارزمية
دور اختيار عدد المجموعات K في النتيجة النهائية