هل يوجد فرق بين الClassification و الClustering غير نوع البيانات المستخدم ؟

نعم أبرزها نوع التعلم حيث أن التصنيف (Classification) هو نوع من التعلم المراقب (Supervised Learning) حيث يتم استخدام مجموعة بيانات تحتوي على ملصقات (Labels) معروفة لتدريب النموذج. الهدف هو تصنيف البيانات الجديدة بناء على هذه الملصقات، بينما التجميع (Clustering) هو نوع من التعلم غير المراقب (Unsupervised Learning) حيث لا توجد ملصقات معروفة. الهدف هو تجميع البيانات إلى مجموعات (Clusters) بناء على التشابه بين العناصر دون معرفة مسبقة بالتصنيفات.

كما أن طريقة التقييم تختلف ففي التصنيف يتم تقييم أداء النموذج بناءً على دقة التنبؤات مقارنة بالملصقات الحقيقية، باستخدام مقاييس مثل الدقة (Accuracy) والاحساس (Recall) والدقة الإيجابية (Precision)، بينما في التجميع يتم تقييم الأداء بناءً على جودة التجميع، باستخدام مقاييس مثل معامل ديفيس-بولدين (Davies-Bouldin index) أو معامل الشبه (Silhouette score).

بتاريخ 53 دقائق مضت قال Chihab Hedidi:

نعم أبرزها نوع التعلم حيث أن التصنيف (Classification) هو نوع من التعلم المراقب (Supervised Learning) حيث يتم استخدام مجموعة بيانات تحتوي على ملصقات (Labels) معروفة لتدريب النموذج. الهدف هو تصنيف البيانات الجديدة بناء على هذه الملصقات، بينما التجميع (Clustering) هو نوع من التعلم غير المراقب (Unsupervised Learning) حيث لا توجد ملصقات معروفة. الهدف هو تجميع البيانات إلى مجموعات (Clusters) بناء على التشابه بين العناصر دون معرفة مسبقة بالتصنيفات.

كما أن طريقة التقييم تختلف ففي التصنيف يتم تقييم أداء النموذج بناءً على دقة التنبؤات مقارنة بالملصقات الحقيقية، باستخدام مقاييس مثل الدقة (Accuracy) والاحساس (Recall) والدقة الإيجابية (Precision)، بينما في التجميع يتم تقييم الأداء بناءً على جودة التجميع، باستخدام مقاييس مثل معامل ديفيس-بولدين (Davies-Bouldin index) أو معامل الشبه (Silhouette score).

 

شكراا لحضرتك

الفرق ليس في نوع البيانات المستعمل و إنما في نوع المهمة حيث أن التصنيف مهمة مختلفة عن ال clustering. قد تبدو لك عملية التصنيف هي نفسها عملية تقسيم البيانات إلى أصناف و لكن الأمر ليس نفسه.

في مهمة التصنيف يكون لديك علم مسبق بالأصناف التي تريد للنموذج التعرف عليها، بينما في مهمة ال clustering لا تكون لديك هذه المعلومة. بالتالي في حال كان المقصود بقولك "نوع البيانات" هو المسميات labels الخاصة بالبيانات فهذا صحيح.

كما النماذج المستعملة لكل مهمة ستختلف قليلًا حيث أن النماذج التي تقوم بعملية ال clustering لا تقوم بتوقع أصناف و إنما بتعلم ميزات من البيانات بحيث يتم استعمال هذه الميزات لاحقًا لفصل البيانات إلى أصناف، بينما في مهمة التصنيف يتم توقع الأصناف بشكل مباشر.

اختلاف النماذج أيضًا يؤدي إلى اختلاف طريقة التدريب، مهام التصنيف بشكل عام تتبع التعلم الموجه Supervised learning بينما مهام ال clustering فهناك الكثير من أنماط التدريب الخاص بها منها التعليم غير موجه Unsupervised learning أو التعليم ذاتي التوجيه Self-supervised learning و غيرها الكثير من الأنماط الأخرى.

بتاريخ 45 دقائق مضت قال Kais Hasan:

في مهمة التصنيف يكون لديك علم مسبق بالأصناف التي تريد للنموذج التعرف عليها، بينما في مهمة ال clustering لا تكون لديك هذه المعلومة

ايوه صح فعلان

بتاريخ 46 دقائق مضت قال Kais Hasan:

الفرق ليس في نوع البيانات المستعمل و إنما في نوع المهمة حيث أن التصنيف مهمة مختلفة عن ال clustering. قد تبدو لك عملية التصنيف هي نفسها عملية تقسيم البيانات إلى أصناف و لكن الأمر ليس نفسه.

في مهمة التصنيف يكون لديك علم مسبق بالأصناف التي تريد للنموذج التعرف عليها، بينما في مهمة ال clustering لا تكون لديك هذه المعلومة. بالتالي في حال كان المقصود بقولك "نوع البيانات" هو المسميات labels الخاصة بالبيانات فهذا صحيح.

كما النماذج المستعملة لكل مهمة ستختلف قليلًا حيث أن النماذج التي تقوم بعملية ال clustering لا تقوم بتوقع أصناف و إنما بتعلم ميزات من البيانات بحيث يتم استعمال هذه الميزات لاحقًا لفصل البيانات إلى أصناف، بينما في مهمة التصنيف يتم توقع الأصناف بشكل مباشر.

اختلاف النماذج أيضًا يؤدي إلى اختلاف طريقة التدريب، مهام التصنيف بشكل عام تتبع التعلم الموجه Supervised learning بينما مهام ال clustering فهناك الكثير من أنماط التدريب الخاص بها منها التعليم غير موجه Unsupervised learning أو التعليم ذاتي التوجيه Self-supervised learning و غيرها الكثير من الأنماط الأخرى.

شكراا لحضرتك جدا