การจัดกลุ่มกับการจำแนกประเภท: ความแตกต่างและการเปรียบเทียบ

ในโลกปัจจุบัน แมชชีนเลิร์นนิงมีความสำคัญมาก เนื่องจากปัญญาประดิษฐ์ถูกมองว่าเป็นส่วนสำคัญของปัญญาประดิษฐ์ การศึกษาอัลกอริทึมของคอมพิวเตอร์โดยใช้ข้อมูลคือสิ่งที่การเรียนรู้ของเครื่องทำ

พวกเขารวบรวมข้อมูลหรือที่เรียกว่า "ข้อมูลการฝึกอบรม" เพื่อคาดการณ์ว่าพวกเขาจะปฏิบัติงานอย่างไร Machine Learning ถูกนำมาใช้ในหลากหลายด้าน เช่น ในด้านการแพทย์ การกรองอีเมล เป็นต้น

การจัดกลุ่มและการจำแนกประเภทใช้วิธีการทางสถิติในการรวบรวมข้อมูล โดยเฉพาะในด้านการเรียนรู้ของเครื่อง

ประเด็นที่สำคัญ

1. การจัดกลุ่มเป็นเทคนิคที่ใช้ในการจัดกลุ่มจุดข้อมูลที่คล้ายกันตามคุณลักษณะ ในขณะที่การจัดหมวดหมู่จะจัดหมวดหมู่ข้อมูลเป็นคลาสที่กำหนดไว้ล่วงหน้าตามคุณลักษณะ
2. การจัดกลุ่มจะมีประโยชน์มากกว่าเมื่อไม่มีความรู้เกี่ยวกับข้อมูลมาก่อน และจุดมุ่งหมายคือการค้นหารูปแบบที่ซ่อนอยู่ ในขณะเดียวกัน การจำแนกประเภทจะเหมาะสมกว่าเมื่อเป้าหมายคือการกำหนดข้อมูลใหม่ให้กับหมวดหมู่ที่มีอยู่แล้ว
3. อัลกอริธึมการจัดกลุ่มต่างๆ ได้แก่ k-means, ลำดับชั้น และ DBSCAN ในขณะที่อัลกอริธึมการจำแนกประเภทต่างๆ รวมถึงแผนผังการตัดสินใจ การถดถอยโลจิสติก และเครื่องจักรเวกเตอร์ที่รองรับ

การทำคลัสเตอร์ vs การจำแนกประเภท

การจัดกลุ่มจุดข้อมูลตามความคล้ายคลึงกันโดยไม่มีหมวดหมู่ที่กำหนดไว้ล่วงหน้า ในขณะที่การจำแนกประเภทจะกำหนดจุดข้อมูลให้กับชั้นเรียนที่กำหนดไว้ล่วงหน้าโดยใช้การเรียนรู้แบบมีผู้สอน ความแตกต่างที่สำคัญอยู่ที่แนวทางการเรียนรู้: การจัดกลุ่มใช้เทคนิคที่ไม่ได้รับการดูแล และการจำแนกประเภทอาศัยวิธีการที่ได้รับการดูแล

การจัดกลุ่มเรียกอีกอย่างว่าการวิเคราะห์คลัสเตอร์ในการเรียนรู้ของเครื่อง เป็นกระบวนการที่ออบเจ็กต์ถูกจัดกลุ่มในลักษณะที่ออบเจ็กต์ภายในคลัสเตอร์มีคุณสมบัติคล้ายกัน แต่เมื่อเปรียบเทียบกับคลัสเตอร์อื่น คลัสเตอร์นี้กลับมีความแตกต่างกันอย่างมาก

เทคนิคการจัดกลุ่มนี้ใช้ในการวิเคราะห์ข้อมูลทางสถิติและเชิงสำรวจในกระบวนการต่างๆ เช่น การวิเคราะห์ภาพ การบีบอัดข้อมูล การดึงข้อมูล การจดจำรูปแบบ ชีวสารสนเทศศาสตร์ คอมพิวเตอร์กราฟิก และการเรียนรู้ของเครื่อง

การจำแนกประเภทเรียกอีกอย่างว่าการจำแนกทางสถิติในการเรียนรู้ของเครื่อง เป็นกระบวนการที่วัตถุถูกจำแนกและจัดอยู่ในชุดของช่องที่จัดหมวดหมู่

การจำแนกประเภททำได้โดยการสังเกตเชิงปริมาณ อัลกอริธึมที่รวมการจำแนกประเภทเข้าด้วยกันเรียกว่าลักษณนาม การจำแนกประเภทจะขึ้นอยู่กับกระบวนการสองขั้นตอน: ขั้นตอนการเรียนรู้และการจำแนกประเภท

ตารางเปรียบเทียบ

พารามิเตอร์ของการเปรียบเทียบ	การจัดกลุ่ม	การจัดหมวดหมู่
คำนิยาม	การทำคลัสเตอร์เป็นเทคนิคที่วัตถุในกลุ่มถูกจัดกลุ่มให้มีความคล้ายคลึงกัน	การจำแนกประเภทเป็นกระบวนการที่การสังเกตถูกจัดประเภทตามอินพุตโดยโปรแกรมคอมพิวเตอร์
ข้อมูล	การทำคลัสเตอร์ไม่ต้องการข้อมูลการฝึกอบรม	การจำแนกประเภทต้องใช้ข้อมูลการฝึกอบรม
ระยะ	ประกอบด้วยขั้นตอนเดียว เช่น การจัดกลุ่ม	ประกอบด้วยสองขั้นตอน: ข้อมูลการฝึกอบรมและการทดสอบ
การติดฉลาก	มันจัดการกับข้อมูลที่ไม่มีป้ายกำกับ	มันจัดการกับข้อมูลทั้งที่มีป้ายกำกับและไม่มีป้ายกำกับในกระบวนการของมัน
วัตถุประสงค์	วัตถุประสงค์หลักคือการคลี่คลายรูปแบบที่ซ่อนอยู่รวมถึงความสัมพันธ์ที่คับแคบ	วัตถุประสงค์คือเพื่อกำหนดกลุ่มที่เป็นของวัตถุ

การทำคลัสเตอร์คืออะไร?

การทำคลัสเตอร์เป็นส่วนหนึ่งของการเรียนรู้ของเครื่องที่จัดกลุ่มข้อมูลออกเป็นคลัสเตอร์ที่มีความคล้ายคลึงกันสูง แต่คลัสเตอร์ที่แตกต่างกันอาจแตกต่างกัน เป็นวิธีการเรียนรู้แบบไม่มีผู้ดูแลและมักใช้ในการวิเคราะห์ข้อมูลทางสถิติ

อัลกอริทึมการจัดกลุ่มมีหลายประเภท เช่น K-means, DBSCAN, Fuzzy C-means, Hierarchical clustering และ Gaussian (EM)

การทำคลัสเตอร์ไม่ต้องการข้อมูลการฝึกอบรม เมื่อเปรียบเทียบกับการจัดประเภทแล้ว การจัดกลุ่มจะซับซ้อนน้อยกว่าเนื่องจากมีเฉพาะการจัดกลุ่มข้อมูลเท่านั้น มันไม่ได้ให้ป้ายกำกับแก่ทุกกลุ่มเหมือนการจำแนกประเภท

มีกระบวนการขั้นตอนเดียวที่เรียกว่าการจัดกลุ่ม การจัดกลุ่มสามารถกำหนดเป็นปัญหาการหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์โดยเน้นที่ปัญหาหลายประการ

การทำคลัสเตอร์ถูกสร้างขึ้นครั้งแรกโดย Driver และ Kroeber ในสาขา มานุษยวิทยา ในปี พ.ศ. 1932 จากนั้นได้มีการแนะนำในด้านต่างๆโดยบุคคลต่างๆ

Cartell ใช้การจัดกลุ่มที่ได้รับความนิยมในการจำแนกทฤษฎีลักษณะในจิตวิทยาบุคลิกภาพในปี 1943 สามารถแบ่งได้คร่าวๆ ว่าเป็น Hard Clustering และ Soft Clustering

มันมีการใช้งานที่แตกต่างกันเช่น ลูกค้า การแบ่งแยก การวิเคราะห์เครือข่ายโซเชียล การตรวจจับแนวโน้มข้อมูลแบบไดนามิก และสภาพแวดล้อมการประมวลผลแบบคลาวด์

การจำแนกประเภทคืออะไร?

โดยทั่วไปการจำแนกประเภทจะใช้สำหรับการจดจำรูปแบบ โดยที่ค่าเอาต์พุตจะถูกกำหนดให้กับค่าอินพุต เช่นเดียวกับการจัดกลุ่ม การจำแนกประเภทเป็นเทคนิคที่ใช้ในการขุดข้อมูล แต่ยังใช้ในการเรียนรู้ของเครื่องด้วย

ใน Machine Learning ผลลัพธ์มีบทบาทสำคัญ และจำเป็นต้องมีการจำแนกประเภทและการถดถอย ทั้งสองแบบเป็นอัลกอริธึมการเรียนรู้แบบมีผู้สอน ไม่เหมือนการจัดกลุ่ม

เมื่อเอาต์พุตมีค่ารอบคอบ จะถือว่าเป็นปัญหาการจำแนกประเภท อัลกอริธึมการจำแนกประเภทช่วยทำนายผลลัพธ์ของข้อมูลที่กำหนดเมื่อมีการป้อนข้อมูลให้

การจำแนกประเภทสามารถมีได้หลายประเภท เช่น การจำแนกแบบไบนารี การจำแนกแบบหลายคลาส เป็นต้น

การจำแนกประเภทต่างๆ ยังรวมถึง Neural Networks, Linear Classifiers: Logistic Regression, Naïve Bayes Classifier: Random Forest, Decision Trees, Nearest เพื่อนบ้านและต้นไม้เสริม

การประยุกต์ใช้อัลกอริธึมการจำแนกประเภทต่างๆ ได้แก่ การรู้จำเสียง การระบุตัวตนด้วยไบโอเมตริกซ์ การจดจำลายมือ การตรวจจับสแปมอีเมล การอนุมัติสินเชื่อจากธนาคาร การจัดประเภทเอกสาร ฯลฯ การจำแนกประเภทต้องใช้ข้อมูลการฝึกอบรม และต้องใช้ข้อมูลที่กำหนดไว้ล่วงหน้า ซึ่งแตกต่างจากการจัดกลุ่ม มันเป็นกระบวนการที่ซับซ้อนมาก มันเป็นผลมาจากการเรียนรู้แบบมีผู้สอน มันเกี่ยวข้องกับข้อมูลทั้งที่มีป้ายกำกับและไม่มีป้ายกำกับ ประกอบด้วยสองกระบวนการ: การฝึกอบรมและการทดสอบ

ความแตกต่างหลักระหว่างการจัดกลุ่มและการจำแนกประเภท

1. การจัดกลุ่มเป็นเทคนิคที่วัตถุกลุ่มถูกจัดกลุ่มด้วยความคล้ายคลึงกัน มันเป็นผลมาจากการเรียนรู้แบบมีผู้สอน การจำแนกประเภทเป็นกระบวนการที่การสังเกตถูกจัดประเภทเป็นการป้อนข้อมูลโดยโปรแกรมคอมพิวเตอร์ มันเป็นผลมาจากการเรียนรู้แบบไม่มีผู้ดูแล
2. การทำคลัสเตอร์ไม่ต้องการข้อมูลการฝึกอบรม การจำแนกประเภทต้องใช้ข้อมูลการฝึกอบรม
3. การจัดกลุ่มรวมถึงขั้นตอนเดียว เช่น การจัดกลุ่ม การจำแนกประเภทประกอบด้วยสองขั้นตอน: การฝึกอบรมและการทดสอบ
4. การจัดกลุ่มเกี่ยวข้องกับข้อมูลที่ไม่มีป้ายกำกับ การจำแนกประเภทเกี่ยวข้องกับข้อมูลทั้งที่มีป้ายกำกับและไม่มีป้ายกำกับในกระบวนการ
5. วัตถุประสงค์หลักของการจัดกลุ่มคือการคลี่คลายรูปแบบที่ซ่อนอยู่ตลอดจนความสัมพันธ์ที่แคบลง วัตถุประสงค์ของการจำแนกประเภทคือเพื่อกำหนดกลุ่มที่วัตถุอยู่

อ้างอิง

1. https://books.google.com/books?hl=en&lr=&id=HbfsCgAAQBAJ&oi=fnd&pg=PR7&dq=clustering+and+classification+&ots=RVS-xBcH89&sig=6vliHhJ_PgtjPExTofGjDlvacaM
2. https://onlinelibrary.wiley.com/doi/abs/10.1002/9780470027318.a5204.pub2

อัพเดตล่าสุด : 18 มิถุนายน 2023