দ্বিখণ্ডিত K- মানে অ্যালগরিদম হল মৌলিক K- মানে অ্যালগরিদমের একটি সাধারণ বিকাশ যা একটি সাধারণ ধারণার উপর নির্ভর করে যেমন K ক্লাস্টারগুলি অর্জন করা, কিছু বিন্দুর সেটকে দুটি ক্লাস্টারে বিভক্ত করা, বিভক্ত করার জন্য এই ক্লাস্টারগুলির মধ্যে একটি বেছে নেওয়া ইত্যাদি। , যতক্ষণ না K ক্লাস্টার তৈরি হয়।
k-মানে অ্যালগরিদম ইনপুট প্যারামিটার, k, এবং k ক্লাস্টারে n অবজেক্টের একটি সেটকে বিভক্ত করে যাতে ফলস্বরূপ ইন্ট্রাক্লাস্টার সাদৃশ্য বেশি হয় কিন্তু ইন্টারক্লাস্টার সাদৃশ্য কম। ক্লাস্টারের সাদৃশ্য একটি ক্লাস্টারের বস্তুর গড় মান সম্পর্কে মূল্যায়ন করা হয়, যা ক্লাস্টারের সেন্ট্রয়েড বা মাধ্যাকর্ষণ কেন্দ্র হিসাবে দেখা যেতে পারে।
উপায়ের জন্য মূল মান নির্বিচারে অনুমোদিত হয়. এগুলি এলোমেলোভাবে অনুমোদিত হতে পারে বা সম্ভবত প্রথম k ইনপুট আইটেমগুলি থেকে মানগুলির প্রয়োজন হতে পারে৷ কনভারজেন্স কম্পোনেন্ট বর্গক্ষেত্র ত্রুটির উপর ভিত্তি করে হতে পারে, কিন্তু সেগুলি না হওয়া প্রয়োজন। উদাহরণস্বরূপ, অ্যালগরিদম একাধিক ক্লাস্টারে বরাদ্দ করা হয়েছে। অন্যান্য সমাপ্তি পদ্ধতি একটি নির্দিষ্ট সংখ্যক পুনরাবৃত্তিতে লক করা হয়েছে। কনভারজেন্স ছাড়াই কেনাকাটা প্রদানের জন্য সর্বাধিক সংখ্যক পুনরাবৃত্তি জড়িত হতে পারে।
K-মানকে দ্বিখণ্ডিত করার অ্যালগরিদম যা নিম্নরূপ -
-
ক্লাস্টার অন্তর্ভুক্ত করার জন্য ক্লাস্টারের তালিকা শুরু করুন যেমন সমস্ত পয়েন্ট।
-
পুনরাবৃত্তি করুন
-
ক্লাস্টারের তালিকা থেকে একটি ক্লাস্টার সরান।
-
{নির্বাচিত ক্লাস্টারের একাধিক "ট্রায়াল" দ্বিখণ্ডন প্রয়োগ করুন৷
৷ -
i এর জন্য :1 থেকে ট্রায়ালের সংখ্যা
-
বেসিক কে-মিনস ব্যবহার করে পছন্দের ক্লাস্টারকে দ্বিখণ্ডিত করুন।
-
এর জন্য শেষ -
ক্ষুদ্রতম মোট SSE সহ দ্বিখণ্ডন থেকে দুটি ক্লাস্টার চয়ন করুন৷
৷ -
ক্লাস্টারের নথিতে এই দুটি ক্লাস্টার সন্নিবেশ করুন।
-
যতক্ষণ না ক্লাস্টারের নথিতে K ক্লাস্টার অন্তর্ভুক্ত থাকে।
কোন ক্লাস্টারকে বিভক্ত করতে হবে তা বেছে নেওয়ার বিভিন্ন উপায় রয়েছে। এটি প্রতিটি ধাপে সর্বোচ্চ ক্লাস্টার চয়ন করতে পারে, বৃহত্তম SSE সহ একটি নির্বাচন করতে পারে, বা আকার এবং SSE উভয়ের উপর ভিত্তি করে একটি উপাদান ব্যবহার করতে পারে। একাধিক পছন্দের ফলে বিভিন্ন ক্লাস্টার হয়।
এটি মৌলিক কে-মান অ্যালগরিদমের জন্য মূল সেন্ট্রোয়েড হিসাবে তাদের সেন্ট্রোয়েডগুলি ব্যবহার করে ফলাফলের ক্লাস্টারগুলিকে স্পষ্ট করতে পারে। এটি অপরিহার্য কারণ যদিও K- মানে অ্যালগরিদম একটি ক্লাস্টারিং খুঁজে বের করার জন্য সুরক্ষিত যেটি SSE সম্পর্কিত একটি স্থানীয় ন্যূনতম সংজ্ঞায়িত করে, K-এর মানে দ্বিখণ্ডিত করার ক্ষেত্রে এটি K- মানে অ্যালগরিদম ব্যবহার করছে "স্থানীয়ভাবে," অর্থাৎ, একক ক্লাস্টারগুলিকে দ্বিখণ্ডিত করতে। তাই, ক্লাস্টারের চূড়ান্ত সেট এমন কোনো ক্লাস্টারিংকে সংজ্ঞায়িত করে না যা মোট SSE সম্পর্কিত একটি স্থানীয় সর্বনিম্ন।
অবশেষে, কে-মানে দ্বিখণ্ডিত ক্লাস্টার হিসাবে তৈরি করা ক্লাস্টারিংয়ের সিরিজ রেকর্ড করার মাধ্যমে, এটি একটি শ্রেণিবদ্ধ ক্লাস্টারিং তৈরি করতে K-মানকে দ্বিখণ্ডিত করারও প্রয়োজন হতে পারে।
