View source for कैनोपी क्लस्टरिंग एल्गोरिदम

कैनोपी क्लस्टरिंग एल्गोरिदम 2000 में [[एंड्रयू मैक्कलम]], कमल निगम और लाइल अनगर द्वारा पेश किया गया एक अप्रशिक्षित प्री-[[डेटा क्लस्टरिंग]] एल्गोरिदम है।<ref name ="original" />इसे अक्सर [[K-मतलब एल्गोरिदम]] या [[पदानुक्रमित क्लस्टरिंग]] एल्गोरिथम के लिए प्रीप्रोसेसिंग चरण के रूप में उपयोग किया जाता है। इसका उद्देश्य बड़े [[डेटा सेट]] पर [[कंप्यूटर क्लस्टर]] संचालन को तेज़ करना है, जहां डेटा सेट के आकार के कारण सीधे किसी अन्य एल्गोरिदम का उपयोग करना अव्यावहारिक हो सकता है।

==विवरण==
एल्गोरिथ्म दो थ्रेसहोल्ड का उपयोग करते हुए निम्नानुसार आगे बढ़ता है <math>T_1</math> (ढीली दूरी) और <math>T_2</math> (तंग दूरी), कहाँ <math>T_1 > T_2</math> .<ref name ="original">McCallum, A.; Nigam, K.; and Ungar L.H. (2000) [http://www.kamalnigam.com/papers/canopy-kdd00.pdf "Efficient Clustering of High Dimensional Data Sets with Application to Reference Matching"], Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, 169-178 {{doi|10.1145/347090.347123 }}</ref><ref>{{cite web |url=http://courses.cs.washington.edu/courses/cse590q/04au/slides/DannyMcCallumKDD00.ppt |title=कैनोपीज़ एल्गोरिथम|website=courses.cs.washington.edu |access-date=2014-09-06}}</ref>
# क्लस्टर किए जाने वाले डेटा बिंदुओं के सेट से शुरुआत करें।
# सेट से एक बिंदु हटाएं, इस बिंदु वाले एक नए 'कैनोपी' की शुरुआत करें।
# सेट में बचे प्रत्येक बिंदु के लिए, इसे नए कैनोपी को निर्दिष्ट करें यदि कैनोपी के पहले बिंदु से इसकी दूरी ढीली दूरी से कम है <math>T_1</math>.
# यदि बिंदु की दूरी अतिरिक्त रूप से तंग दूरी से कम है <math>T_2</math>, इसे मूल सेट से हटा दें।
# चरण 2 से तब तक दोहराएं जब तक कि क्लस्टर में सेट में कोई और डेटा बिंदु न रह जाए।
# अपेक्षाकृत सस्ते में क्लस्टर किए गए इन कैनोपियों को अधिक महंगे लेकिन सटीक एल्गोरिदम का उपयोग करके उप-क्लस्टर किया जा सकता है।

एक महत्वपूर्ण नोट यह है कि व्यक्तिगत डेटा बिंदु कई कैनोपी का हिस्सा हो सकते हैं। अतिरिक्त गति-अप के रूप में, 3 के लिए एक अनुमानित और तेज़ दूरी मीट्रिक का उपयोग किया जा सकता है, जहां चरण 4 के लिए अधिक सटीक और धीमी दूरी मीट्रिक का उपयोग किया जा सकता है।

==प्रयोज्यता==
चूँकि एल्गोरिथ्म दूरी कार्यों का उपयोग करता है और दूरी सीमा के विनिर्देशन की आवश्यकता होती है, उच्च-आयामी डेटा के लिए इसकी प्रयोज्यता आयामीता के अभिशाप द्वारा सीमित है। केवल जब एक सस्ता और अनुमानित - निम्न-आयामी - दूरी फ़ंक्शन उपलब्ध होता है, तो उत्पादित कैनोपी के-साधनों द्वारा उत्पादित समूहों को संरक्षित करेगी।

इसके लाभों में शामिल हैं:
* प्रत्येक चरण में तुलना किए जाने वाले प्रशिक्षण डेटा के उदाहरणों की संख्या कम हो गई है।
* कुछ सबूत हैं कि परिणामी समूहों में सुधार हुआ है।<ref>[https://mahout.apache.org/docs/latest/algorithms/clustering/canopy/ Mahout description of Canopy-Clustering]
 Retrieved 2022-07-02.</ref>


==संदर्भ==
{{Reflist}}
[[Category: क्लस्टर विश्लेषण एल्गोरिदम]] 



[[Category: Machine Translated Page]]
[[Category:Created On 10/07/2023]]