Classification vs. Clustering

Classification
vs.
Clustering

Clasificarea vs. Gruparea​
Classification VS. Clustering

​Classification	​Clustering
​ ​​Clasificarea este o metodă de învățare supravegheată. Scopul este de a atribui etichete punctelor de date pe baza unui set de antrenament. Input: Set de date etichetate (cu features) Output: Etichete pentru punctele de date necunoscute.	​ Clustering-ul este o metodă de învățare nesupravegheată. Scopul este de a grupa datele pe baza similarităților dintre ele. Input: Set de date fără etichete. Output: Grupuri (clustere) de puncte similare.

Clasificarea vs. Gruparea​
Classification VS. Clustering

​Classification	​Clustering
Latitude (feature) Longitude (feature) Etichetă (Label) 45.7569 21.2286 Central 45.7570 21.2288 Central 45.8021 21.2578 Suburban 45.7220 21.2156 Suburban 45.7050 21.2000 Noise	Latitude (feature) Longitude (feature) 45.7569 21.2286 45.7570 21.2288 45.8021 21.2578 45.7220 21.2156 45.7050 21.2000

​Classification	​Clustering
​ Ce este important: Fiecare rând are o etichetă (label) prestabilită. Precondiție: Etichetele („Central,” „Suburban,” „Noise”) trebuie să existe deja în date.	​ Ce este important: Nu există etichete; doar caracteristicile (features) sunt necesare. Precondiție: Doar caracteristicile (features)

Clasificarea vs. Gruparea​
Classification VS. Clustering

​Classification	​Clustering
Latitude (feature) Longitude (feature) Etichetă (Label) 45.7569 21.2286 Central 45.7570 21.2288 Central 45.8021 21.2578 Suburban 45.7220 21.2156 Suburban 45.7050 21.2000 Noise	Latitude (feature) Longitude (feature) 45.7569 21.2286 45.7570 21.2288 45.8021 21.2578 45.7220 21.2156 45.7050 21.2000

​Classification	​Clustering
Algoritmi: k-Nearest Neighbors (kNN) Decision Trees Support Vector Machines (SVM)	Algoritmi: k-Means Clustering Hierarchical Clustering DBSCAN

Clasificarea sportivilor în „Fotbal” sau „Baschet” folosind înălțimea, greutatea și viteza lor.

Date de antrenament: caracteristici precum înălțime, greutate, viteză și eticheta sportului (0 -> Fotbal, 1 -> Baschet).

kNN

Recomandarea tipului de pantof în funcție de vreme și locație:

„Raining Outside”: Da/Nu.

„Location”: Locul în care se află utilizatorul (ex. indoors, outdoors).

„Shoe Type”: Tipul de pantof recomandat (ex. sneakers, boots).

Decision Tree

Clasificarea fructelor și legumelor folosind Support Vector Machines (SVM)

Un măr (rotund, roșu) este clasificat ca fruct, iar un morcov (lung, portocaliu) este clasificat ca legumă, pe baza liniei de separare.

SVN

​Classification

Gruparea supereroilor în funcție de abilități folosind k-Means Clustering

Cluster 1: Supereroi zburători și puternici.

Cluster 2: Supereroi rapizi dar fără abilitate de zbor.

Cluster 3: Supereroi cu abilități echilibrate.

k-means

Organizarea bolilor și medicamentelor pe baza relațiilor lor folosind Hierarchical Clustering Analysis (HCA).
Boală: Virus Verde, Virus Roșu.

Medicament: Ex. Medicina Verde, Medicina Roșie.

Caracteristici: Gradul de periculozitate și rata de răspândire.

Hierarchical Cluster Analysis

Gruparea coffee shop-urilor din Timișoara folosind DBSCAN.
Cluster 1: Coffee shop-uri din Unirii Square.

Cluster 2: Coffee shop-uri din Iulius Town.
Cluster 3: Coffee shop-uri din Punctele Cardinale

Noise Points: „Calea Lugojului Coffee.”

DBSCAN

​Clustering

Atribuie o etichetă unui punct de date necunoscut (noul jucator din camera) pe baza celor mai apropiați k vecini dintr-un dataset.

Cum funcționează:

Pasul 1: Se calculează distanțele dintre punctul necunoscut și toate punctele din setul de antrenament.

Pasul 2: Se selectează cei mai apropiați k vecini.

Pasul 3: Se determină clasa majoritară dintre cei k vecini și se atribuie punctului necunoscut.

​

k-Nearest Neighbors (kNN)

Creează un arbore care ia decizii prin împărțirea datelor în funcție de caracteristici importante.

Pasul 1: Se decide ce caracteristică (feature) să fie evaluată mai întâi, pe baza importanței
Pasul 2: Setul de date este împărțit în subseturi pe baza valorilor caracteristicii selectate (Raining Outside” → Da/Nu.)
Pasul 3: Algoritmul selectează următoarea caracteristică pentru divizare
Pasul 4: O frunză este creată atunci când toate punctele dintr-un subset aparțin aceleași clase
Pasul 5: Punctele necunoscute sunt clasificate parcurgând arborele de la rădăcină la frunză

Decision Tree

Descriere:
Creează o linie sau un plan care separă datele în clase distincte, maximizând distanța între clase.

Exemplu:
Clasificarea fructelor și legumelor folosind caracteristici precum forma și culoarea.

​
Pasul 1: SVM încearcă să deseneze o linie care să le separe perfect categoriile.
Pasul 2: Punctele noi sunt clasificate pe baza poziției lor față de linia de separare.

SVN

Descriere:
Împarte datele în k clustere bazate pe distanța față de centroizi.

Exemplu:
Gruparea supereroilor în funcție de trăsături precum forță, viteză și abilitatea de zbor.

​

​k-Means Clustering

Descriere:
HCA este o metodă de clustering ierarhic care organizează punctele de date într-o structură de tip arbore, numită dendrogramă. Aceasta grupează datele fie de jos în sus, fie de sus în jos.

​

Hierarchical Clustering Analysis (HCA)

Descriere:
DBSCAN este un algoritm de clustering bazat pe densitate care grupează punctele de date pe baza densității în spațiu.

​

DBSCAN