در این مطلب، ویدئو خوشه بندی Jerأ،rquico en Python با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 1:04:00
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:06,980 –> 00:00:09,440
بعد از ظهر بسیار بخیر همه دریافت یک
2
00:00:09,440 –> 00:00:12,519
سلام صمیمانه به کادت سابق املاک
3
00:00:12,519 –> 00:00:15,160
امروز ما قصد داریم انجام دهیم
4
00:00:15,160 –> 00:00:19,539
درس شماره 3 دوره ماشین
5
00:00:19,539 –> 00:00:22,419
یادگیری روش های بدون نظارت با
6
00:00:22,419 –> 00:00:26,970
پایتون چون قرار است باشیم
7
00:00:26,970 –> 00:00:29,009
هفته آینده در مکزیک
8
00:00:29,009 –> 00:00:31,019
سخنرانی در
9
00:00:31,019 –> 00:00:33,079
هفته آمار مکزیک
10
00:00:33,079 –> 00:00:35,820
بنابراین به همین دلیل ما می خواهیم این کار را انجام دهیم
11
00:00:35,820 –> 00:00:37,670
کلاس
12
00:00:37,670 –> 00:00:40,969
زودتر خوب امروز a
13
00:00:40,969 –> 00:00:43,100
خوشحالم که به شما سلام می کنم به شما بگویم که
14
00:00:43,100 –> 00:00:45,409
سوالات لطفا آنها را پردازش کنید
15
00:00:45,409 –> 00:00:48,409
از طریق انجمن کلاس درس مجازی و
16
00:00:48,409 –> 00:00:50,030
امروز قراره درس بخونیم
17
00:00:50,030 –> 00:00:53,089
رتبه صعودی شرق
18
00:00:53,089 –> 00:00:54,680
یکی از لحظات خوشه بندی بیشتر است
19
00:00:54,680 –> 00:00:58,180
استفاده می شود زیرا اجازه می دهد a
20
00:00:58,180 –> 00:01:00,649
طبقه بندی یک تقسیم بندی تقریبا
21
00:01:00,649 –> 00:01:03,379
همیشه بهینه به این معنا که
22
00:01:03,379 –> 00:01:05,930
که اینرسی بین شفاف را به حداکثر می رساند
23
00:01:05,930 –> 00:01:07,700
ایده sinterklaas را به حداقل می رساند
24
00:01:07,700 –> 00:01:10,010
بعدا ببینیم
25
00:01:10,010 –> 00:01:11,840
و آن
26
00:01:11,840 –> 00:01:14,060
امکان مدیریت حجمی از داده ها را فراهم می کند
27
00:01:14,060 –> 00:01:16,609
بسیار بزرگ بسته به
28
00:01:16,609 –> 00:01:18,799
کامپیوتر تا شاید 10000
29
00:01:18,799 –> 00:01:22,200
ردیف ها در ماتریس
30
00:01:22,200 –> 00:01:24,329
در حال حاضر برای میزهای بزرگتر هنوز
31
00:01:24,329 –> 00:01:26,280
وقتی در مورد میلیون ها نفر صحبت می کنیم
32
00:01:26,280 –> 00:01:28,799
داده های مرکزی باید از روش استفاده کنند
33
00:01:28,799 –> 00:01:31,170
kammerich هایی که هفته آینده خواهیم دید
34
00:01:31,170 –> 00:01:33,509
خوب پس خوشحالم که تو را دارم
35
00:01:33,509 –> 00:01:36,119
مثل همیشه اینجا خواهیم بود
36
00:01:36,119 –> 00:01:37,799
حضور در انجمن کلاس مجازی
37
00:01:37,799 –> 00:01:42,539
برای شک و تردید و دیگو گیمنز کارلوس آگوئرو
38
00:01:42,539 –> 00:01:45,619
و در هنگام تخلیه، همه ما قرار نیست باشیم
39
00:01:45,619 –> 00:01:47,560
کمک به آنها
40
00:01:47,560 –> 00:01:49,350
خوب از همه شما بسیار سپاسگزارم
41
00:01:49,350 –> 00:01:51,570
پس بیایید بلافاصله شروع کنیم
42
00:01:51,570 –> 00:01:55,149
ما به این ویدیو آمدیم تا بتوانیم
43
00:01:55,149 –> 00:01:59,619
کلاس را از امروز شروع کنید خیلی خوب است
44
00:01:59,619 –> 00:02:01,799
باشه پس بیایید در موردش صحبت کنیم
45
00:02:01,799 –> 00:02:05,170
طبقه بندی سلسله مراتبی صعودی
46
00:02:05,170 –> 00:02:08,110
ایده طبقه بندی کلی از
47
00:02:08,110 –> 00:02:09,788
آنچه به عنوان طبقه بندی شناخته می شود
48
00:02:09,788 –> 00:02:12,160
خودکار به دلیل طبقه بندی
49
00:02:12,160 –> 00:02:13,900
خودکار چون این طبقه بندی انجام نمی شود
50
00:02:13,900 –> 00:02:16,569
توسط متغیری هدایت می شود که باید پیش بینی شود
51
00:02:16,569 –> 00:02:18,760
اما کاملا اتوماتیک است
52
00:02:18,760 –> 00:02:21,160
همچنین به عنوان یادگیری شناخته می شود
53
00:02:21,160 –> 00:02:24,970
نظارت یا روش براق کردن در
54
00:02:24,970 –> 00:02:27,180
به طور کلی نزدیک ترینگ
55
00:02:27,180 –> 00:02:29,250
هر دو روش هنر پنجه متقابل
56
00:02:29,250 –> 00:02:31,379
روش بازی چگونه جوراب ها را باد می کند
57
00:02:31,379 –> 00:02:33,629
که در 8 و دیگران در آن خواهیم دید
58
00:02:33,629 –> 00:02:35,250
عمومی چیزی است که در این نشان داده شده است
59
00:02:35,250 –> 00:02:37,409
نمودار ایده پیدا کردن آن است
60
00:02:37,409 –> 00:02:41,969
بخش های گروه ها منحصر به فرد ترین است
61
00:02:41,969 –> 00:02:44,280
چیزی درونی و تا حد امکان دور
62
00:02:44,280 –> 00:02:47,489
بین آنها و همچنین شناسایی
63
00:02:47,489 –> 00:02:48,989
احتمالاً کلاس درس آن داده ها وجود دارد
64
00:02:48,989 –> 00:02:52,139
نقاط پرت که هدف اصلی است
65
00:02:52,139 –> 00:02:54,510
به وضوح در این اسلاید دیگر گفت
66
00:02:54,510 –> 00:02:57,180
هدف از تری متقابل عمومی است
67
00:02:57,180 –> 00:03:00,090
اینرسی در کلاس ها را نیز به حداقل برسانید
68
00:03:00,090 –> 00:03:02,669
به آنها فاصله درون طبقاتی می گویند
69
00:03:02,669 –> 00:03:04,560
می گویند که فاصله تا باطن از
70
00:03:04,560 –> 00:03:06,710
گروه حداقل است
71
00:03:06,710 –> 00:03:08,920
یعنی گروه ها بیشترین هستند
72
00:03:08,920 –> 00:03:12,050
منسجم ممکن و آن فاصله
73
00:03:12,050 –> 00:03:15,500
اینرسی بین طبقاتی یا بین طبقاتی است
74
00:03:15,500 –> 00:03:17,870
حداکثر این است که بگوییم گروه ها به عنوان هستند
75
00:03:17,870 –> 00:03:20,480
طولانی ترین زمان ممکن به یکدیگر همه آنها
76
00:03:20,480 –> 00:03:22,520
این هدف کلی است
77
00:03:22,520 –> 00:03:24,319
خوشه
78
00:03:24,319 –> 00:03:27,530
خوب کاترین کهکشانی این کار را انجام می دهد
79
00:03:27,530 –> 00:03:30,580
دنبال راه ایده بعد
80
00:03:30,580 –> 00:03:32,690
[موسیقی]
81
00:03:32,690 –> 00:03:35,570
بوت شده از طریق جدول داده
82
00:03:35,570 –> 00:03:38,240
چه پایه های عددی
83
00:03:38,240 –> 00:03:40,910
همیشه همه متغیرها را عددی کنید
84
00:03:40,910 –> 00:03:43,700
عددی و اگر نه پس باید از آن استفاده کنید
85
00:03:43,700 –> 00:03:45,680
متغیر همه در صورت وجود برای
86
00:03:45,680 –> 00:03:48,230
طبقه بندی شده
87
00:03:48,230 –> 00:03:50,690
پس هدف این است که یک
88
00:03:50,690 –> 00:03:52,489
این را برنامه ریزی کنید که به آن فروش می گویند
89
00:03:52,489 –> 00:03:53,810
چمن که از این نقطه نظر
90
00:03:53,810 –> 00:03:56,450
محاسباتی یک درخت باینری است و
91
00:03:56,450 –> 00:03:58,519
از درخت قدرت باینری دریافت کنید
92
00:03:58,519 –> 00:04:01,519
خوشه ها بخش های بسیار خوبی هستند
93
00:04:01,519 –> 00:04:04,129
به عنوان مثال اینجا را در b2 مشاهده کنید
94
00:04:04,129 –> 00:04:05,599
فرض کنید ما دو متغیر هستند
95
00:04:05,599 –> 00:04:09,340
تقاضای شرکت های تولیدی و ما پنج داده داریم
96
00:04:09,340 –> 00:04:12,400
بنابراین بیایید به دنبال خوشه ها در اینجا بگردیم
97
00:04:12,400 –> 00:04:14,690
پس در اینجا بسیار آسان است زیرا اینطور است
98
00:04:14,690 –> 00:04:16,608
ظاهراً نامرئی است زیرا ما در آن هستیم
99
00:04:16,608 –> 00:04:18,889
دو متغیر وقتی در بیشتر هستیم
100
00:04:18,889 –> 00:04:20,930
متغیرها این خیلی آسان نیست اما برای
101
00:04:20,930 –> 00:04:23,780
در اینجا بگوییم چگونه انجام می شود
102
00:04:23,780 –> 00:04:25,610
اولین کسانی که متحد می شوند بچه ها هستند
103
00:04:25,610 –> 00:04:28,160
زیرا آنها کسانی هستند که نزدیکترین آنها هستند
104
00:04:28,160 –> 00:04:30,280
حس فاصله بهینه
105
00:04:30,280 –> 00:04:33,010
پس از پیوستن به یک نهاد و چه هستند
106
00:04:33,010 –> 00:04:35,560
ثانیه هایی که الان نزدیک ترند
107
00:04:35,560 –> 00:04:37,270
ما یک مشکل جالب داریم و
108
00:04:37,270 –> 00:04:39,520
این است که من تنها مانده ام و ما در حال حاضر
109
00:04:39,520 –> 00:04:42,910
مجموعه سپس ما باید ملحق شویم
110
00:04:42,910 –> 00:04:44,919
peu با این مجموعه با این مجموعه
111
00:04:44,919 –> 00:04:47,440
چیزی است که به آن تجمع می گویند
112
00:04:47,440 –> 00:04:50,460
که فاصله کاما ندارد
113
00:04:50,460 –> 00:04:53,160
چگونه می توانیم فاصله را محاسبه کنیم
114
00:04:53,160 –> 00:04:55,229
دیدن مجموعه ها به یک صورت خواهد بود
115
00:04:55,229 –> 00:04:57,930
به اندازه فاصله پرنده ای که می خواهید انجام دهید
116
00:04:57,930 –> 00:05:00,919
بعد از آن میانگین را ببینید و محاسبه کنید
117
00:05:00,919 –> 00:05:04,650
از پرنده از آنها به طور متوسط و ببینید
118
00:05:04,650 –> 00:05:07,080
که کمتر از آن میانگین های دیگر است
119
00:05:07,080 –> 00:05:09,950
راه ایجاد فاصله خواهد بود
120
00:05:09,950 –> 00:05:13,520
اینجا به عنوان مرکز گروه و ببینید کدام یک
121
00:05:13,520 –> 00:05:15,940
جزئی است
122
00:05:16,040 –> 00:05:18,020
از این فاصله ها به وضوح کوچکترین
123
00:05:18,020 –> 00:05:20,960
آیا این درست است پس در این کار خوب است
124
00:05:20,960 –> 00:05:22,650
گروه قرار است ملحق شود
125
00:05:22,650 –> 00:05:26,610
و در نهایت همه ok می پیوندند
126
00:05:26,610 –> 00:05:30,000
نشان دادن آن این چیزی است که به نظر می رسد
127
00:05:30,000 –> 00:05:33,610
نحوه تناسب بخش ها
128
00:05:33,610 –> 00:05:35,770
زیرا اگر از دو عنصر استفاده کنیم وجود دارد
129
00:05:35,770 –> 00:05:38,860
در یک گروه acp و رای دهید
130
00:05:38,860 –> 00:05:41,199
اگر از سه تا از برخی در دیگری استفاده کنیم
131
00:05:41,199 –> 00:05:43,600
ببینید و سایر اصول اولیه
132
00:05:43,600 –> 00:05:47,350
خوب اگر این را به عنوان یک انگشت نشان دهیم
133
00:05:47,350 –> 00:05:49,510
جدی راه دیگری برای نگاه کردن به این است
134
00:05:49,510 –> 00:05:50,980
جنایت سنگین
135
00:05:50,980 –> 00:05:52,210
چه کسی می داند در crostini چه چیزی وجود دارد
136
00:05:52,210 –> 00:05:55,150
توجه داشته باشید که در اینجا
137
00:05:55,150 –> 00:05:58,650
دو نفر اول به این کشور پیوستند
138
00:05:58,650 –> 00:06:02,440
و این به بازی karmele محور است
139
00:06:02,440 –> 00:06:05,680
فاصله ای که به آن می پیوندد سپس اینجا
140
00:06:05,680 –> 00:06:09,310
این بدان معنی است که فاصله بین وجود دارد
141
00:06:09,310 –> 00:06:12,220
آن را کمی بیشتر از یک و سپس
142
00:06:12,220 –> 00:06:15,820
به ترجه در فاصله
143
00:06:15,820 –> 00:06:20,770
پس تقریباً بگو 1.3
144
00:06:20,770 –> 00:06:25,620
به p با تمام مجموعه قبلی پیوست
145
00:06:25,620 –> 00:06:28,290
به یک تجمع در اینجا قبلا یک خواهد بود
146
00:06:28,290 –> 00:06:30,520
تجمیع 2
147
00:06:30,520 –> 00:06:34,389
و در نهایت دوم همه با همه
148
00:06:34,389 –> 00:06:36,759
دو گروه به یک تجمع
149
00:06:36,759 –> 00:06:38,259
کمی بیشتر از چهار
150
00:06:38,259 –> 00:06:40,030
سپس مشاهده کنید که در محور چه
151
00:06:40,030 –> 00:06:42,069
ما فاصله ای است که آنها می روند
152
00:06:42,069 –> 00:06:44,650
با پیوستن به گروه ها و روی محور x می رویم
153
00:06:44,650 –> 00:06:47,050
دیدن میوه هایی که به آن د می گویند
154
00:06:47,050 –> 00:06:49,419
رسیدن به ریتم گراما دارد
155
00:06:49,419 –> 00:06:51,370
ویژگی که من می توانم از آنجا
156
00:06:51,370 –> 00:06:53,889
خوشه ها را از یک برش بگیرید
157
00:06:53,889 –> 00:06:56,830
در این که من برش دارم
158
00:06:56,830 –> 00:06:59,949
اگر درخت را در آنجا قطع کنم، 2 متر می رسد
159
00:06:59,949 –> 00:07:03,330
این بخش و این بخش
160
00:07:04,120 –> 00:07:06,070
خیلی جالبه الان میتونم برش بدم
161
00:07:06,070 –> 00:07:08,380
درخت زیر
162
00:07:08,380 –> 00:07:10,210
به عنوان مثال می توانم درخت را قطع کنم
163
00:07:10,210 –> 00:07:13,210
اینجا و بعد من یک بخش در اینجا دارم
164
00:07:13,210 –> 00:07:17,350
می گوید و از txt دیگری از aysén و دیگری که
165
00:07:17,350 –> 00:07:19,350
فقط دارد
166
00:07:19,350 –> 00:07:21,360
که اینجا قطع شد چون من دارم
167
00:07:21,360 –> 00:07:23,340
بخش هایی که همه مانند آنهایی که قبلاً فقط دارند
168
00:07:23,340 –> 00:07:25,530
معنی ندارد با تشکر یا اگر برخی
169
00:07:25,530 –> 00:07:28,230
در اینجا یک بخش را با همه برش دهید
170
00:07:28,230 –> 00:07:29,940
هیچ یک از این دو افراطی مشکل نیست
171
00:07:29,940 –> 00:07:32,130
از برش همیشه باید در
172
00:07:32,130 –> 00:07:35,750
رسانه ایده این است که برنامه
173
00:07:35,990 –> 00:07:38,810
دو ایده بصری از اینکه چقدر
174
00:07:38,810 –> 00:07:39,680
دسرها
175
00:07:39,680 –> 00:07:41,360
ظاهراً چون ایده آل مانند است
176
00:07:41,360 –> 00:07:44,840
دوتا هر سه خیلی خوب پس
177
00:07:44,840 –> 00:07:46,700
از یک جدول شروع می کنیم
178
00:07:46,700 –> 00:07:48,740
فاصله هایی که همه متغیرها در آن هستند
179
00:07:48,740 –> 00:07:52,009
عددی خواهند بود
180
00:07:52,009 –> 00:07:55,009
به عنوان مثال از جدول استفاده خواهیم کرد
181
00:07:55,009 –> 00:07:56,659
داده هایی از نمرات مدرسه که قبلاً داریم
182
00:07:56,659 –> 00:07:58,729
استفاده کرده است
183
00:07:58,729 –> 00:08:01,610
که در آن ردیف ها دانش آموزان و
184
00:08:01,610 –> 00:08:03,379
در ستون ها یادداشت آنها در
185
00:08:03,379 –> 00:08:05,780
علوم ریاضی
186
00:08:05,780 –> 00:08:08,330
و تاریخ اسپانیا و تربیت بدنی در
187
00:08:08,330 –> 00:08:11,320
یک مقیاس از 0 تا
188
00:08:11,849 –> 00:08:15,719
خوب یک مفهوم حیاتی در اینجا در مفهوم
189
00:08:15,719 –> 00:08:18,589
اساسا شباهت خوب
190
00:08:18,589 –> 00:08:22,550
رتبه بندی عمومی
191
00:08:22,969 –> 00:08:26,399
یا بخشی از یک ضد شباهت
192
00:08:26,399 –> 00:08:30,089
تابع تشابه تابعی است که می گیرد
193
00:08:30,089 –> 00:08:32,610
دو نفر در فضا
194
00:08:32,610 –> 00:08:34,740
افراد در ردیف های ماتریس که
195
00:08:34,740 –> 00:08:38,068
این می تواند امگا عبور کرده و به شما احساس یک
196
00:08:38,068 –> 00:08:39,769
عدد واقعی مثبت
197
00:08:39,769 –> 00:08:42,318
و این یکی می گوید میلیتو باید آن را انجام دهد
198
00:08:42,318 –> 00:08:44,600
نظم و انضباط یک فرد و دیگری
199
00:08:44,600 –> 00:08:47,179
آیا این شباهت باید باشد
200
00:08:47,179 –> 00:08:48,079
متقارن
201
00:08:48,079 –> 00:08:50,670
یعنی فاصله از iu
202
00:08:50,670 –> 00:08:53,370
j
203
00:08:53,370 –> 00:08:57,529
باید مانند j باشد
204
00:08:57,529 –> 00:09:01,020
که خاصیت تقارن است
205
00:09:01,020 –> 00:09:04,830
زیرا همچنین اگر به آن اضافه کنیم که
206
00:09:04,830 –> 00:09:07,680
فاصله son برابر با صفر است اگر
207
00:09:07,680 –> 00:09:10,560
فقط در صورتی که حواس برابر باشد
208
00:09:10,560 –> 00:09:12,480
یعنی خود فاصله
209
00:09:12,480 –> 00:09:15,150
همیشه باید صفر و اگر باشد
210
00:09:15,150 –> 00:09:16,830
نابرابری مثلثی را اضافه می کنیم
211
00:09:16,830 –> 00:09:19,200
سپس عدم تشابه می شود
212
00:09:19,200 –> 00:09:21,960
یکی از اینها مثلا فاصله
213
00:09:21,960 –> 00:09:23,750
دارای خواص بیشتر از یک رشته است
214
00:09:23,750 –> 00:09:26,460
چهره بودن و سلسله مراتبی بودن کافی است
215
00:09:26,460 –> 00:09:28,500
این دو کافی است که یکی از آنها مشابه باشد
216
00:09:28,500 –> 00:09:30,330
اما خوب اکثر موارد
217
00:09:30,330 –> 00:09:32,640
ما در مورد فاصله ها صحبت خواهیم کرد
218
00:09:32,640 –> 00:09:35,010
نمونه راه دور یا لیبی و غیره
219
00:09:35,010 –> 00:09:37,200
زیرا اگر فاصله خاصی باشد
220
00:09:37,200 –> 00:09:39,610
این یک پایه است
221
00:09:39,610 –> 00:09:41,769
خوب بیشترین استفاده از فواصل هستند
222
00:09:41,769 –> 00:09:43,860
به عنوان مثال فاصله و bullseye
223
00:09:43,860 –> 00:09:46,390
شناخته شده است که به سادگی تفاوت
224
00:09:46,390 –> 00:09:49,060
مجموع مربع ها به
225
00:09:49,060 –> 00:09:51,880
ریشه مربع فاصله مینکوفسکی که
226
00:09:51,880 –> 00:09:54,070
تعمیم این در است
227
00:09:54,070 –> 00:09:55,839
واقعیت مثل این است که ریشه در اینجا وجود داشته باشد
228
00:09:55,839 –> 00:09:58,230
بالا و این به q افزایش یافت
229
00:09:58,230 –> 00:10:00,339
بدیهی است که اگر curuhual 2 را در نظر بگیریم
230
00:10:00,339 –> 00:10:03,930
فاصله اقلیدسی را بدست می آوریم
231
00:10:03,930 –> 00:10:06,120
و بسیاری دیگر را می توان استفاده کرد
232
00:10:06,120 –> 00:10:08,170
فاصله ها
233
00:10:08,170 –> 00:10:10,810
ماتریس فاصله اساسا و
234
00:10:10,810 –> 00:10:12,760
این نقطه شروع در داخل رشته است
235
00:10:12,760 –> 00:10:14,320
بر اساس سلسله مراتب
236
00:10:14,320 –> 00:10:16,930
محاسبه فواصل همه است
237
00:10:16,930 –> 00:10:18,640
در برابر همه با برخی از شاخص
238
00:10:18,640 –> 00:10:21,130
فاصله ها به یاد داشته باشید که ماتریس از
239
00:10:21,130 –> 00:10:23,530
دانش آموزان یک پژمرده بود در 10
240
00:10:23,530 –> 00:10:26,259
10 برای 5
241
00:10:26,259 –> 00:10:28,929
صنعت گرافیک همیشه کار می کند
242
00:10:28,929 –> 00:10:31,199
روی سطرها و نه روی ستون ها
243
00:10:31,199 –> 00:10:33,549
پس اگر همه فواصل را انجام دهیم
244
00:10:33,549 –> 00:10:36,429
در مقابل همه ما ماتریس 10 داریم
245
00:10:36,429 –> 00:10:40,059
توسط 10 به دلیل اینکه آنها افراد هستند
246
00:10:40,059 –> 00:10:43,029
در مقابل ضربه ها این به چه معناست
247
00:10:43,029 –> 00:10:44,049
صفر
248
00:10:44,049 –> 00:10:45,459
چیزی که منطقی است فاصله ای که
249
00:10:45,459 –> 00:10:48,669
نگاه کرد و به عقب نگاه کرد
250
00:10:48,669 –> 00:10:50,589
مورب همیشه صفر وجود خواهد داشت زیرا
251
00:10:50,589 –> 00:10:52,239
فاصله بین افراد و خود
252
00:10:52,239 –> 00:10:54,999
همیشه این بدان معناست که
253
00:10:54,999 –> 00:10:59,109
فاصله بین پدرو و لوسیا 3.98 است
254
00:10:59,109 –> 00:11:02,439
هیچ چیزی اینجا قرار داده نشده است زیرا موضوعی 3 است
255
00:11:02,439 –> 00:11:04,839
سپس ماتریس فاصله و آن است
256
00:11:04,839 –> 00:11:06,879
نقطه شروع الگوریتم است
257
00:11:06,879 –> 00:11:10,139
متقاطع سلسله مراتبی
258
00:11:10,520 –> 00:11:13,700
خوب آنچه انجام می شود از این است
259
00:11:13,700 –> 00:11:16,340
آرایه برو ابتدا حداقل را پیدا کن
260
00:11:16,340 –> 00:11:18,020
سپس دوم جزئی و غیره
261
00:11:18,020 –> 00:11:20,480
به طور متوالی به آنها بپیوندید
262
00:11:20,480 –> 00:11:23,470
درخت سلسله مراتبی
263
00:11:23,960 –> 00:11:25,730
خوب اینجا یک نمونه از
264
00:11:25,730 –> 00:11:29,270
فاصله نور و پدرو قبل از رفتن به
265
00:11:29,270 –> 00:11:32,540
ببینید که برای مثال این نقطه 25 در اینجا
266
00:11:32,540 –> 00:11:36,850
لوسیا ال سدار به چه معناست متاسفم
267
00:11:38,200 –> 00:11:41,400
این نقطه 25 خواهد بود
268
00:11:41,400 –> 00:11:47,420
77 امتیاز 5.5
269
00:11:47,760 –> 00:11:50,630
مربع
270
00:11:51,340 –> 00:11:54,520
بارش برف تا نقطه بحرانی و غیره
271
00:11:54,520 –> 00:11:57,280
– آیا مربع این منهای را به من می دهد
272
00:11:57,280 –> 00:11:59,560
تصویر این منهای دکستر را به من می دهد
273
00:11:59,560 –> 00:12:04,270
برای این 8 منهای 71 مجذور 1 به من می دهد
274
00:12:04,270 –> 00:12:06,220
و سپس این را اضافه کرد و ریشه کرد
275
00:12:06,220 –> 00:12:07,649
مربع
276
00:12:07,649 –> 00:12:10,709
و این فاصله نزدیک تقاطع هاست
277
00:12:10,709 –> 00:12:13,199
همه این اعداد را جمع کنید
278
00:12:13,199 –> 00:12:16,069
ریشه دوم
279
00:12:16,520 –> 00:12:18,410
زیرا این فاصله بین آنها خواهد بود
280
00:12:18,410 –> 00:12:20,540
لوسیا و سینه
281
00:12:20,540 –> 00:12:23,090
خیلی خوب فاصله های دیگر سایت وبلاگ
282
00:12:23,090 –> 00:12:26,860
فاصله حداکثر
283
00:12:27,350 –> 00:12:29,270
این فاصله ای است که زیاد استفاده می شود
284
00:12:29,270 –> 00:12:31,420
که مانند فاصله نور است اما
285
00:12:31,420 –> 00:12:33,680
اینجا را بر انحراف تقسیم کنید
286
00:12:33,680 –> 00:12:37,160
استاندارد بین نسخه استاندارد برای
287
00:12:37,160 –> 00:12:40,610
که از اثرات مقیاس بندی یک موضوع جلوگیری می کند
288
00:12:40,610 –> 00:12:42,320
برای کلوژ که باید بدهند بسیار مهم است
289
00:12:42,320 –> 00:12:44,150
نوع و در هر متقاطع تری است
290
00:12:44,150 –> 00:12:46,880
استاندارد کردن داده ها همه باید باشد
291
00:12:46,880 –> 00:12:49,820
در همان ترازو چون اگر نه
292
00:12:49,820 –> 00:12:52,310
ترازو خیلی روی نتیجه تاثیر می گذارد
293
00:12:52,310 –> 00:12:54,290
برای مثال اگر من یک متغیر داشته باشم
294
00:12:54,290 –> 00:12:57,080
اندازه گیری در سانتی متر و اندازه گیری دیگر در
295
00:12:57,080 –> 00:12:59,960
کیلومتر و سپس یک میمون در یک مورد
296
00:12:59,960 –> 00:13:02,180
اگر سانتی متر هستید 6000 وجود دارد
297
00:13:02,180 –> 00:13:05,530
کیلومتر ثانیه پس از آن
298
00:13:06,899 –> 00:13:10,439
و این باعث می شود که اثری مانند این وجود داشته باشد
299
00:13:10,439 –> 00:13:13,379
تفریق را بسیار متفاوت می کند و
300
00:13:13,379 –> 00:13:15,269
سپس نتیجه وحشتناک است
301
00:13:15,269 –> 00:13:17,639
که شروع به تأثیرگذاری بیش از حد می کند
302
00:13:17,639 –> 00:13:19,199
متغیری که در مقیاس اندازه گیری می شود
303
00:13:19,199 –> 00:13:21,840
کوچکتر در این مورد ما احساس می کنیم
304
00:13:21,840 –> 00:13:24,300
پس بهترین چیز این است که همه چیز در کیلومتر است
305
00:13:24,300 –> 00:13:25,890
که همه چیز در احساسات است که همه چیز
306
00:13:25,890 –> 00:13:27,420
متر است اما همه یکسان هستند
307
00:13:27,420 –> 00:13:28,780
مقیاس
308
00:13:28,780 –> 00:13:31,120
گاهی اوقات نجات داده ها آسان نیست
309
00:13:31,120 –> 00:13:33,120
زیرا آنها چیزهای بسیار متفاوتی هستند
310
00:13:33,120 –> 00:13:35,290
بنابراین آنچه می توان انجام داد استفاده است
311
00:13:35,290 –> 00:13:37,900
این فاصله یا راه حل دیگری که هست
312
00:13:37,900 –> 00:13:40,270
استفاده های زیادی برای تغییر مقیاس داده ها قبل از آن است
313
00:13:40,270 –> 00:13:42,340
برای شروع کار که نشستن و
314
00:13:42,340 –> 00:13:44,660
جدول را کم کنید
315
00:13:44,660 –> 00:13:47,540
خوب از جدول
316
00:13:47,540 –> 00:13:50,810
دانش آموزان این برنامه تولید می شود
317
00:13:50,810 –> 00:13:53,480
و از این برنامه می بینیم
318
00:13:53,480 –> 00:13:56,180
که سه خوشه وجود دارد که یکی از آنها تشکیل شده است
319
00:13:56,180 –> 00:13:58,850
لوئیس و سونیا دیگری که توسط آنا خوزه تشکیل شده اند
320
00:13:58,850 –> 00:14:01,009
و پدرو در اینجا با رنگ نارنجی نشان داده شده است
321
00:14:01,009 –> 00:14:03,850
لوئیز و سونیو رنگ آبی را نشان دادند
322
00:14:03,850 –> 00:14:07,100
آندرس کارلوس و ماریا، که نماینده دو نفر است
323
00:14:07,100 –> 00:14:10,490
به رنگ سبز پس این برنامه است
324
00:14:10,490 –> 00:14:14,629
که از آن جدول داده ها ناشی می شود
325
00:14:14,629 –> 00:14:18,319
خوب و اگر این برش را درست کنم چه چیزی به دست میآورم
326
00:14:18,319 –> 00:14:20,180
آن سه گروه
327
00:14:20,180 –> 00:14:22,580
خوب بیایید نحوه تشکیل را توضیح دهیم
328
00:14:22,580 –> 00:14:25,149
از بدهی
329
00:14:25,790 –> 00:14:28,070
خوب اولین چیزی که گفتم این است
330
00:14:28,070 –> 00:14:31,400
ماتریس را بسازید یا محاسبه کنید
331
00:14:31,400 –> 00:14:34,340
فاصله های همه در برابر هر چه هست
332
00:14:34,340 –> 00:14:36,650
این یکی که ما قبلاً بعداً برای آن محاسبه کرده بودیم
333
00:14:36,650 –> 00:14:39,560
از این ماتریس پیدا می کنیم
334
00:14:39,560 –> 00:14:42,950
حداقل خوزه و آنا کسانی هستند که مرا می سازند
335
00:14:42,950 –> 00:14:44,329
حداقل
336
00:14:44,329 –> 00:14:47,749
سپس من یک چشم دیانا در ارتفاع بودم
337
00:14:47,749 –> 00:14:51,170
نقطه 56 این اینجا شبیه است
338
00:14:51,170 –> 00:14:55,339
نقطه 56 دقیقاً در آنجا ملحق می شوند
339
00:14:55,339 –> 00:14:57,139
از این لحظه مثل خوزه
340
00:14:57,139 –> 00:14:59,620
لانا از مهمانی ناپدید می شود
341
00:14:59,620 –> 00:15:01,630
هم آنا و هم بو من آنها را در آنجا می گذارم
342
00:15:01,630 –> 00:15:02,950
ماتریس اما در واقع باید
343
00:15:02,950 –> 00:15:04,259
آنها را حذف کنید
344
00:15:04,259 –> 00:15:07,169
باشه پس اون اینجا ناپدید نمیشه
345
00:15:07,169 –> 00:15:09,989
هر کسی که باید ناپدید شود
346
00:15:09,989 –> 00:15:12,589
ژوزه را ناپدید کنید زیرا ما قبلا آنها را متحد کرده بودیم
347
00:15:12,589 –> 00:15:15,509
خوب به این ترتیب است که بعداً به دنبال آن می گردیم
348
00:15:15,509 –> 00:15:17,129
دوم جزئی
349
00:15:17,129 –> 00:15:20,789
که در آن زمان کودکان را درگیر نمی کند
350
00:15:20,789 –> 00:15:22,780
می بینیم که کارلوس است
351
00:15:22,780 –> 00:15:25,600
andrés سپس 1 carlos de andrés به
352
00:15:25,600 –> 00:15:29,850
قد نسبت به بازی امتیاز 65
353
00:15:29,850 –> 00:15:34,460
این اکتبر اینجا این ارتفاع متاسفم
354
00:15:34,460 –> 00:15:38,530
کم و بیش یک نکته وجود دارد زیرا
355
00:15:38,530 –> 00:15:41,360
خوب پس همینطور ادامه می دهیم ادامه می دهیم
356
00:15:41,360 –> 00:15:44,019
سپس به inés و pedro می پیوندیم
357
00:15:44,019 –> 00:15:47,970
این در ارتفاع 134
358
00:15:47,980 –> 00:15:51,520
سپس به ماریا و لوسیا به یکی می رسیم
359
00:15:51,520 –> 00:15:55,840
ارتفاع یا فاصله 1.39 و پس از آن
360
00:15:55,840 –> 00:15:57,800
ما به لوئیس و آبی می پیوندیم
361
00:15:57,800 –> 00:16:01,190
در آن زمان در ارتفاع 189 چاه
362
00:16:01,190 –> 00:16:04,550
ما در این لحظه همه متحد شده ایم
363
00:16:04,550 –> 00:16:07,130
زوج ها لزوما اتفاق نمی افتد
364
00:16:07,130 –> 00:16:09,410
و همچنین ما می خواهیم ببینیم اما خوب در این
365
00:16:09,410 –> 00:16:11,360
مورد همه به صورت جفت می پیوندند و اکنون
366
00:16:11,360 –> 00:16:13,610
ما مشکل داریم باید متحد شویم
367
00:16:13,610 –> 00:16:17,089
سپس مجموعه های جفت
368
00:16:17,089 –> 00:16:18,950
ما باید مفهوم را معرفی کنیم
369
00:16:18,950 –> 00:16:23,420
تجمع یک تجمع مشابه است
370
00:16:23,420 –> 00:16:25,750
یکی از شباهت ها
371
00:16:25,750 –> 00:16:28,180
تفاوت این است که در اینجا متمرکز است
372
00:16:28,180 –> 00:16:32,050
a و b مجموعه هستند نه افراد
373
00:16:32,050 –> 00:16:34,329
اما آنها مجموعه هستند
374
00:16:34,329 –> 00:16:37,360
و اساساً یک تجمع برآورده می کند
375
00:16:37,360 –> 00:16:39,100
همان خواص به عنوان یک شباهت
376
00:16:39,100 –> 00:16:40,839
تجمیع یک مجموعه و خودش است
377
00:16:40,839 –> 00:16:43,329
باید صفر باشد و تجمع باید باشد
378
00:16:43,329 –> 00:16:45,579
متقارن یعنی تجمع از a به b
379
00:16:45,579 –> 00:16:47,290
همان تجمیع v است
380
00:16:47,290 –> 00:16:50,019
اساساً یکسان است، تفاوت این است
381
00:16:50,019 –> 00:16:52,269
که بین مجموعه هاست نه بین
382
00:16:52,269 –> 00:16:53,580
اشخاص حقیقی
383
00:16:53,580 –> 00:16:55,830
سپس از آنجا استفاده خواهیم کرد
384
00:16:55,830 –> 00:16:58,860
به عنوان مثال تجمعاتی در حال حاضر وجود دارد
385
00:16:58,860 –> 00:17:00,450
روش های زیادی برای محاسبه تجمیع
386
00:17:00,450 –> 00:17:02,940
بین دو مجموعه یا فاصله بین
387
00:17:02,940 –> 00:17:04,709
دو مجموعه به عنوان مثال فاصله
388
00:17:04,709 –> 00:17:07,709
حداقل می تواند یک گزینه در زبان انگلیسی باشد
389
00:17:07,709 –> 00:17:09,750
به عنوان لینک واحد یا
390
00:17:09,750 –> 00:17:12,420
حداقل فاصله گزینه دیگری خواهد بود
391
00:17:12,420 –> 00:17:14,819
حداکثر تجمع
392
00:17:14,819 –> 00:17:16,829
همچنین به عنوان کامل شناخته می شود
393
00:17:16,829 –> 00:17:19,779
شلاق یا حداکثر فاصله
394
00:17:19,779 –> 00:17:22,449
یکی دیگر می تواند ایجاد فاصله از
395
00:17:22,449 –> 00:17:24,009
همه در برابر همه و سپس یک
396
00:17:24,009 –> 00:17:25,730
میانگین
397
00:17:25,730 –> 00:17:27,859
تنها چیز این است که می تواند کمی گران باشد
398
00:17:27,859 –> 00:17:31,809
زیرا او فکر می کند که محاسبات دیگر
399
00:17:32,179 –> 00:17:34,940
دیگری می تواند جستجوی مرکز باشد
400
00:17:34,940 –> 00:17:38,250
شدت هر تیک
401
00:17:38,250 –> 00:17:40,350
یعنی انجام میانگین در اینجا
402
00:17:40,350 –> 00:17:42,630
بردار در اینجا میانگین بردار و
403
00:17:42,630 –> 00:17:45,570
سپس یک فاصله وزنی انجام دهید و
404
00:17:45,570 –> 00:17:47,550
این اینجاست
405
00:17:47,550 –> 00:17:50,280
یعنی کیفیت کمیت
406
00:17:50,280 –> 00:17:52,890
بین کیفیت عشق این چه
407
00:17:52,890 –> 00:17:56,070
انجام یک فاصله وزنی است
408
00:17:56,070 –> 00:17:58,200
بگویید که به گروه اهمیت بیشتری می دهید تا
409
00:17:58,200 –> 00:18:01,700
افراد بیشتری داشته باشند
410
00:18:02,240 –> 00:18:04,110
امکان در واقع این بیشترین است
411
00:18:04,110 –> 00:18:06,000
استفاده از عمل از تجمع
412
00:18:06,000 –> 00:18:09,120
آب به بیشترین استفاده
413
00:18:09,120 –> 00:18:13,180
در عمل در حال حاضر بهتر است
414
00:18:13,180 –> 00:18:15,430
خوب، یکی که بهترین تولید می کند
415
00:18:15,430 –> 00:18:17,560
تقسیم بندی که بهترین است
416
00:18:17,560 –> 00:18:19,690
تقسیم بندی که y را به حداقل می رساند
417
00:18:19,690 –> 00:18:22,210
نیاز به کلاس یا معادل آن
418
00:18:22,210 –> 00:18:25,810
اینرسی بین طبقاتی را به حداکثر می رساند
419
00:18:25,810 –> 00:18:28,120
خوب است از تمام آن فرمول ها استفاده کنید
420
00:18:28,120 –> 00:18:30,880
تجمع بخش به ما می پیوندد
421
00:18:30,880 –> 00:18:34,960
گروه اول هر ضمیمه با
422
00:18:34,960 –> 00:18:37,390
گروه pedro inés به یک تجمع از
423
00:18:37,390 –> 00:18:40,220
بیشتر یا کمتر از 2
424
00:18:40,220 –> 00:18:43,650
که ما دنبال می کنیم سپس آنها به ما می پیوندند
425
00:18:43,650 –> 00:18:47,220
گروه آندرس و کارلوس با گروه
426
00:18:47,220 –> 00:18:49,830
از لوسیا و ماریا تا انبوهی از a
427
00:18:49,830 –> 00:18:52,220
کمی بیشتر از دو
428
00:18:52,220 –> 00:18:57,460
سپس به دو گروه در گروه d ملحق شوید
429
00:18:57,680 –> 00:19:00,140
لوئیس و در مقابل گروه از
430
00:19:00,140 –> 00:19:02,570
آندرس کارلوس و لوسیا به یک تجمع
431
00:19:02,570 –> 00:19:04,970
بیشتر یا کمتر از 8
432
00:19:04,970 –> 00:19:08,150
و در نهایت همه این دو تعریف می شود
433
00:19:08,150 –> 00:19:10,010
گروه های بزرگ
434
00:19:10,010 –> 00:19:12,870
به یک تجمع در اینجا 12
435
00:19:12,870 –> 00:19:15,059
که این ما قبلا برنامه را داریم
436
00:19:15,059 –> 00:19:17,250
هدف نهایی این برنامه ایجاد یک
437
00:19:17,250 –> 00:19:18,860
دادگاه
438
00:19:18,860 –> 00:19:20,929
از آن برش شناسایی کنید
439
00:19:20,929 –> 00:19:24,730
بخش هایی که در اینجا اساساً سه هستند
440
00:19:24,860 –> 00:19:27,830
خیلی خوب
441
00:19:27,830 –> 00:19:30,320
خوب بیایید ببینیم آیا با ضرب می شود
442
00:19:30,320 –> 00:19:31,789
این نمونه دیگر از واردات
443
00:19:31,789 –> 00:19:33,590
به عنوان یک دکتر این ایده که همیشه
444
00:19:33,590 –> 00:19:36,140
آنها در زوج ها لزوماً ندارند
445
00:19:36,140 –> 00:19:39,010
درست است اینجا را مشاهده کنید من می خواهم کمی بروم
446
00:19:39,010 –> 00:19:42,590
سریع اما خوب اینجا ما یک میز داریم
447
00:19:42,590 –> 00:19:44,419
وارداتی که انجام می دهند چیست؟
448
00:19:44,419 –> 00:19:46,630
کشورهای آمریکای مرکزی از مکزیک
449
00:19:46,630 –> 00:19:50,899
و سالهای 79 تا 88 همه
450
00:19:50,899 –> 00:19:52,610
افراد سال ها و متغیرها هستند
451
00:19:52,610 –> 00:19:55,880
این کشور مکزیک چقدر واردات دارد
452
00:19:55,880 –> 00:19:58,519
این مثال 44.4 به این معنی است که هزینه دارد
453
00:19:58,519 –> 00:20:03,230
ثروتمندان 44.4 میلیون دلار وارد کردند
454
00:20:03,230 –> 00:20:05,980
سال 1979 از مکزیک
455
00:20:05,980 –> 00:20:09,010
و به همین ترتیب چیز مهم است
456
00:20:09,010 –> 00:20:11,440
خوب است که مرحله 1 را محاسبه می کنیم
457
00:20:11,440 –> 00:20:14,119
فاصله همه در برابر همه
458
00:20:14,119 –> 00:20:17,490
من به دنبال حداقل 11 58 هستم
459
00:20:17,490 –> 00:20:22,350
سپس یکی از 88 با 87 و 88 و
460
00:20:22,350 –> 00:20:24,929
87 از ماتریس در این ناپدید می شوند
461
00:20:24,929 –> 00:20:26,840
مثال شما را واقعیت می نامد
462
00:20:26,840 –> 00:20:32,120
1 87 88 11.58
463
00:20:32,120 –> 00:20:34,650
اسمش رو اینجا گذاشتم
464
00:20:34,650 –> 00:20:36,420
ببینید که اکنون ماتریس بیشتر است
465
00:20:36,420 –> 00:20:39,299
کوچک به دلیل
466
00:20:39,299 –> 00:20:43,889
در سال 87 88 با هم بودند و
467
00:20:43,889 –> 00:20:45,899
به صورت جداگانه ناپدید شد
468
00:20:45,899 –> 00:20:47,759
که دارای دو ستون و دو ردیف و
469
00:20:47,759 –> 00:20:49,270
من یکی اضافه کردم
470
00:20:49,270 –> 00:20:52,180
حالا حداقل را محاسبه کنید و حداقل است
471
00:20:52,180 –> 00:20:55,420
35 78
472
00:20:55,420 –> 00:21:00,390
حالا 1 82 83
473
00:21:00,390 –> 00:21:05,240
الان هم همینجوری هستم به 82-83 پیوستند و از اونجا
474
00:21:05,240 –> 00:21:08,220
ناپدید شد من به دنبال
475
00:21:08,220 –> 00:21:10,770
حداقل که 39 8 است که بین سال است
476
00:21:10,770 –> 00:21:13,680
دهه 80 و 70 و تا آن زمان آنها به این موضوع نگاه می کنند
477
00:21:13,680 –> 00:21:16,039
80 و 73
478
00:21:16,039 –> 00:21:18,830
هنوز جفت به آنجا می رویم
479
00:21:18,830 –> 00:21:21,299
هنوز خوبه
480
00:21:21,299 –> 00:21:23,820
و حالا می بینند که اتفاق جالبی افتاده است
481
00:21:23,820 –> 00:21:26,519
که آنچه اتاق ها می خواستند به یک
482
00:21:26,519 –> 00:21:32,440
گروه 87-88 با سال 86
483
00:21:32,440 –> 00:21:35,050
در ارتفاع 49 آن را خواهید دید
484
00:21:35,050 –> 00:21:37,780
متحد یک زوج مشترک یا فردی به
485
00:21:37,780 –> 00:21:39,670
با اینکه اینجا مجردها بودند
486
00:21:39,670 –> 00:21:42,190
هنوز و سپس مشخص است که
487
00:21:42,190 –> 00:21:44,800
گرافیکی که دریافت می کنند به یک زوج پیوستند
488
00:21:44,800 –> 00:21:47,260
با یک فرد و هنوز سالها وجود داشت
489
00:21:47,260 –> 00:21:50,620
مجردها به تنهایی این می تواند اتفاق بیفتد
490
00:21:50,620 –> 00:21:52,180
چیزی که میخواستم براتون توضیح بدم دقیقا
491
00:21:52,180 –> 00:21:53,650
که لازم نیست همیشه ملحق شود
492
00:21:53,650 –> 00:21:56,790
جفت اول لزوما اینطور نیست
493
00:21:56,790 –> 00:22:00,130
خوب و بنابراین الگوریتم ادامه می یابد ببینید که
494
00:22:00,130 –> 00:22:02,590
یک زوج دیگر به اینجا می پیوندند
495
00:22:02,590 –> 00:22:04,809
یک سال با شریک زندگی حتی اگر
496
00:22:04,809 –> 00:22:08,679
هنوز 84 نفر از 85 نفر تنها هستند
497
00:22:08,679 –> 00:22:10,630
ما با الگوریتم ادامه می دهیم و می بینیم که می پیوندد
498
00:22:10,630 –> 00:22:13,539
حتی دو گروه بزرگ و هنوز نه
499
00:22:13,539 –> 00:22:17,059
84 و 85 ملحق شده اند
500
00:22:17,059 –> 00:22:21,860
و به این ترتیب اگر او به 84-85 پیوست و حالا ادامه می دهیم
501
00:22:21,860 –> 00:22:24,919
بالاخره با این به این گروه بپیوندید
502
00:22:24,919 –> 00:22:27,230
اگر در پایان یکی باشد گروه را ترک کنید
503
00:22:27,230 –> 00:22:29,389
ماتریس 2 در 2 b ماتریس می رود
504
00:22:29,389 –> 00:22:31,730
کوچکتر و کوچکتر شدن و
505
00:22:31,730 –> 00:22:33,529
زمانی که الگوریتم یکی یکی تمام می شود
506
00:22:33,529 –> 00:22:35,269
به پایان می رسد زیرا آنها قبلاً ملحق شده اند
507
00:22:35,269 –> 00:22:37,250
همه
508
00:22:37,250 –> 00:22:39,770
باشه
509
00:22:39,770 –> 00:22:42,440
در آنجا ما درخت و این ایده را داریم که این
510
00:22:42,440 –> 00:22:44,630
درخت برای این است که خوشه ها را شبیه یک کند
511
00:22:44,630 –> 00:22:47,780
برش خوب خوب می تواند در اینجا باشد که ما
512
00:22:47,780 –> 00:22:49,310
به این سه گروه بدهید خواهید دید که هستند
513
00:22:49,310 –> 00:22:54,850
برای تغییر همجوشی به رنگ بنفش مشخص شده است
514
00:22:54,850 –> 00:22:58,890
باشه خوب خیلی خوب
515
00:22:58,940 –> 00:23:02,180
با یک سلسله مراتب باینری اساسا
516
00:23:02,180 –> 00:23:03,980
یک سلسله مراتب باینری را می توان به صورت مشاهده کرد
517
00:23:03,980 –> 00:23:05,680
یک مجموعه
518
00:23:05,680 –> 00:23:08,350
همه در کجای سلسله مراتب هستند؟
519
00:23:08,350 –> 00:23:11,740
به صورت جداگانه هر مردم
520
00:23:11,740 –> 00:23:13,360
یک خاصیت جالب به دست می آورد که
521
00:23:13,360 –> 00:23:15,049
اگر دو خوشه وجود داشته باشد
522
00:23:15,049 –> 00:23:17,419
این دو خوشه همیشه این را خواهند داشت
523
00:23:17,419 –> 00:23:19,230
تقاطع آسان
524
00:23:19,230 –> 00:23:21,090
اما آنها کمی جزئیات بیشتر هستند
525
00:23:21,090 –> 00:23:22,860
تکنسین ها به عنوان مثال در اینجا سلسله مراتب
526
00:23:22,860 –> 00:23:26,460
باینری از این مجموعه در این x
527
00:23:26,460 –> 00:23:27,800
1
528
00:23:27,800 –> 00:23:30,050
به صورت جداگانه در آغاز هستند
529
00:23:30,050 –> 00:23:32,370
سلسله مراتب باینری
530
00:23:32,370 –> 00:23:37,559
سپس گروه دیگر وجود دارد این و وجود دارد
531
00:23:37,559 –> 00:23:41,970
این که در آن صورت x 3 x 4 x 1 x 5 خواهد بود
532
00:23:41,970 –> 00:23:43,470
گروه دیگری که سلسله مراتب را تشکیل می دادند
533
00:23:43,470 –> 00:23:45,600
باینری گروه دیگری که تشکیل دادند
534
00:23:45,600 –> 00:23:48,940
سلسله مراتب باینری متاسفم
535
00:23:48,940 –> 00:23:51,370
ماوس جادویی همیشه با من این کار را می کند
536
00:23:51,370 –> 00:23:55,210
که مطابق با x 3 x 4 x 5 و
537
00:23:55,210 –> 00:23:57,010
بالاخره گروهی هست که متحد می شود
538
00:23:57,010 –> 00:23:58,250
همه
539
00:23:58,250 –> 00:24:00,470
به این سلسله مراتب باینری می گویند
540
00:24:00,470 –> 00:24:02,600
این ویژگی را دارد که الف است
541
00:24:02,600 –> 00:24:05,900
مجموعه ای از مجموعه ها و تقاطع
542
00:24:05,900 –> 00:24:08,540
از هر جفتی از آنها همیشه خواهد بود
543
00:24:08,540 –> 00:24:10,140
خالی
544
00:24:10,140 –> 00:24:12,660
و هر یک از آنها از اتحادیه
545
00:24:12,660 –> 00:24:15,180
دیگران برای مثال اتحاد x 3 است
546
00:24:15,180 –> 00:24:18,840
به عنوان x 4 شرق به عنوان مثال در شرق
547
00:24:18,840 –> 00:24:21,390
اتحاد این دو ما هستند
548
00:24:21,390 –> 00:24:22,800
خواصی که با الف مطابقت دارند
549
00:24:22,800 –> 00:24:25,470
سلسله مراتب باینری سلسله مراتب باینری
550
00:24:25,470 –> 00:24:27,780
همیشه می توان در نمودار یک بدهکار به
551
00:24:27,780 –> 00:24:29,610
یک ادونتوگرام معادل a است
552
00:24:29,610 –> 00:24:31,389
سلسله مراتب باینری
553
00:24:31,389 –> 00:24:33,429
حالا این مثل کامپیوتر است
554
00:24:33,429 –> 00:24:36,830
داخلی این را ذخیره می کند
555
00:24:36,830 –> 00:24:39,200
به هر حال چه چیزی را بیان کنیم چه چیزی را نمودار کنیم
556
00:24:39,200 –> 00:24:41,240
آنها الگوریتم هستند، برنامه ریزی آن آسان نیست
557
00:24:41,240 –> 00:24:43,760
این آسان نیست نگران نباشید
558
00:24:43,760 –> 00:24:45,230
من به آنها اجازه برنامه نویسی نمی دهم
559
00:24:45,230 –> 00:24:48,920
این رئیس چون کاملاً پیچیده است
560
00:24:48,920 –> 00:24:52,040
خوب همه اینجا الگوریتم هستند
561
00:24:52,040 –> 00:24:54,590
متقاطع teri سلسله مراتبی نه ما نمی خواهیم
562
00:24:54,590 –> 00:24:56,690
جزئیات اما من آن را برای
563
00:24:56,690 –> 00:24:58,340
کسانی که می خواهند بیشتر مطالعه کنند
564
00:24:58,340 –> 00:25:01,950
پایین واقعا است
565
00:25:01,950 –> 00:25:04,110
یک تمرین بسیار جالب یک دوره از
566
00:25:04,110 –> 00:25:05,850
یک ترم کامل یادگیری ماشینی
567
00:25:05,850 –> 00:25:07,950
این امر می تواند این باشد که بتوان برای این برنامه وارد شد
568
00:25:07,950 –> 00:25:11,070
الگوریتم و پیتون کاملا است
569
00:25:11,070 –> 00:25:12,690
پیچیده است و من قبلاً آن را انجام داده ام
570
00:25:12,690 –> 00:25:14,519
چندین سال در هفته های بیشتر برنامه
571
00:25:14,519 –> 00:25:18,090
این موضوع کاملاً پیچیده است
572
00:25:18,090 –> 00:25:20,100
ظاهر می شود و این باعث می شود قطار گرانما
573
00:25:20,100 –> 00:25:22,799
آن را از سلسله مراتب ترسیم کنید
574
00:25:22,799 –> 00:25:25,470
باینری نیز به خوبی توسط
575
00:25:25,470 –> 00:25:27,750
موفق باشید پایتون r نیز در حال حاضر به ارمغان می آورد
576
00:25:27,750 –> 00:25:29,760
بیمارانی که لانه های دوتایی انجام می دهند
577
00:25:29,760 –> 00:25:31,760
بندهای سلسله مراتبی چه کار می کنند؟
578
00:25:31,760 –> 00:25:34,860
خوب این الگوریتم خواهد بود
579
00:25:34,860 –> 00:25:37,620
خوب است مثال دیگری را با پای پیاده توضیح دهید
580
00:25:37,620 –> 00:25:39,929
زیرا مشق شب نمونه دیگری از آن است
581
00:25:39,929 –> 00:25:43,400
چگونه لانه زندگی درست می کنی
582
00:25:43,730 –> 00:25:46,010
زیرا اگرچه ما قصد نداریم این را برنامه ریزی کنیم
583
00:25:46,010 –> 00:25:48,800
الگوریتم اگر بخواهم متوجه شوید
584
00:25:48,800 –> 00:25:50,570
زیرا این یک دوره یادگیری ماشینی است
585
00:25:50,570 –> 00:25:52,190
بسیار مهم است که شما این را درک کنید
586
00:25:52,190 –> 00:25:55,190
چیزی پس از آن من قصد دارم آن را با این نشان دهم
587
00:25:55,190 –> 00:25:56,450
مثال
588
00:25:56,450 –> 00:25:58,370
معمولا در یک دوره داده کاوی
589
00:25:58,370 –> 00:26:00,320
این دستگاه کوچک انجام نمی شود
590
00:26:00,320 –> 00:26:01,389
یادگیری
591
00:26:01,389 –> 00:26:02,919
اما باشه سعی میکنم
592
00:26:02,919 –> 00:26:04,779
توضیح دهید توجه کنید زیرا یک است
593
00:26:04,779 –> 00:26:06,579
کمی پیچیده و در کار می آید
594
00:26:06,579 –> 00:26:08,679
یکی خیلی شبیه
595
00:26:08,679 –> 00:26:11,110
چه کاری انجام می دهد سلسله مراتب باینری با دست
596
00:26:11,110 –> 00:26:14,309
از جدول شباهت
597
00:26:14,309 –> 00:26:16,720
سپس فرض کنید جدول از قبل وجود دارد
598
00:26:16,720 –> 00:26:18,940
از شباهت ها ما چهار نفر داریم
599
00:26:18,940 –> 00:26:23,110
x 1 x 2 x 3 x 4 و ما قبلا جدول را محاسبه کرده ایم
600
00:26:23,110 –> 00:26:25,149
از شباهت ها یا فرض کنید ماتریس از
601
00:26:25,149 –> 00:26:27,580
فاصله ها به این معنی است که
602
00:26:27,580 –> 00:26:30,669
فاصله یک پنجم با x1 برابر با 1 است
603
00:26:30,669 –> 00:26:34,210
نمونه x1 با فشار x 3
604
00:26:34,210 –> 00:26:36,519
فاصله انتشار با x 45 و غیره
605
00:26:36,519 –> 00:26:38,090
به طور متوالی
606
00:26:38,090 –> 00:26:42,110
باشه پس بیا انجامش بدیم
607
00:26:42,110 –> 00:26:44,890
این این
608
00:26:44,890 –> 00:26:46,429
متاسف
609
00:26:46,429 –> 00:26:50,950
این الگوریتم ابتدا بر اساس
610
00:26:50,950 –> 00:26:56,230
ما از تجمیع استفاده خواهیم کرد
611
00:26:56,230 –> 00:26:59,039
حداقل پرش
612
00:27:00,050 –> 00:27:03,530
پس بیایید از حداقل پرش استفاده کنیم
613
00:27:03,530 –> 00:27:06,750
به یاد داشته باشید که حداقل پرش برای اندازه گیری است
614
00:27:06,750 –> 00:27:09,390
فاصله بین دو ست بر اساس
615
00:27:09,390 –> 00:27:11,410
در کمترین فاصله
616
00:27:11,410 –> 00:27:13,240
سپس من می خواهم آن را با پرش انجام دهم
617
00:27:13,240 –> 00:27:15,160
حداکثر که بر اساس حداکثر است
618
00:27:15,160 –> 00:27:16,340
فاصله
619
00:27:16,340 –> 00:27:18,049
و سپس من می خواهم آن را در پرش انجام دهم
620
00:27:18,049 –> 00:27:20,240
میانگینی که بین مراکز هزینه کرده ام
621
00:27:20,240 –> 00:27:23,059
روش اندازه گیری شما چیست
622
00:27:23,059 –> 00:27:25,190
فاصله بین ست ها
623
00:27:25,190 –> 00:27:27,890
من قصد دارم از همان پرش چه استفاده کنم
624
00:27:27,890 –> 00:27:30,710
دیگری این ارائه یکی نیست
625
00:27:30,710 –> 00:27:33,730
میخواستم بذارمشون
626
00:27:35,170 –> 00:27:38,230
خوب پس اولین چیزی که می دانم چیست
627
00:27:38,230 –> 00:27:40,630
اولین کاری را که انجام می دهید انجام دهید من آن را انجام می دهم
628
00:27:40,630 –> 00:27:43,690
برای انجام در اینجا به دنبال حداقل این است
629
00:27:43,690 –> 00:27:46,240
ماتریس همیشه به دنبال حداقل برای است
630
00:27:46,240 –> 00:27:48,240
مفاصل را همیشه کودک کنید
631
00:27:48,240 –> 00:27:50,440
سپس اولین چیزی که می رود این است
632
00:27:50,440 –> 00:27:52,400
x2 و x1
633
00:27:52,400 –> 00:27:56,770
در فاصله تا عدم تشابه 1
634
00:27:56,770 –> 00:28:00,280
سپس من اینجا در زمان چمن خوب است
635
00:28:00,280 –> 00:28:03,420
من به x1 ملحق خواهم شد
636
00:28:04,620 –> 00:28:09,120
با x2 به یک تجمع در اینجا 1 که
637
00:28:09,120 –> 00:28:11,910
اولین کاری است که اکنون x1 انجام می دهم
638
00:28:11,910 –> 00:28:14,820
برای ناپدید شدن از این ماتریس و x2
639
00:28:14,820 –> 00:28:17,300
همچنین
640
00:28:18,320 –> 00:28:21,139
و سپس اینجا فقط x2 به آن منتقل می شود
641
00:28:21,139 –> 00:28:24,549
ماتریس اما به عنوان یک راحتی
642
00:28:24,790 –> 00:28:26,530
بنابراین من باید محاسبه کنم
643
00:28:26,530 –> 00:28:29,950
فاصله x1 در برابر این مجموعه
644
00:28:29,950 –> 00:28:35,080
جدید با 33 و در مقابل x 4 و برای آن می روم
645
00:28:35,080 –> 00:28:37,150
برای انجام حداقل تجمع پرش
646
00:28:37,150 –> 00:28:39,670
در این مورد کمی پیچیده است
647
00:28:39,670 –> 00:28:41,050
من قصد دارم پرش تجمع را انجام دهم
648
00:28:41,050 –> 00:28:43,700
حداقل این به چه معناست
649
00:28:43,700 –> 00:28:45,789
چی
650
00:28:45,789 –> 00:28:48,309
سپس شما توجه کنید
651
00:28:48,309 –> 00:28:51,489
kibar ببینید که ماتریس جدید x1 است
652
00:28:51,489 –> 00:28:55,250
و x2 و x1 ناپدید شدند
653
00:28:55,250 –> 00:29:00,020
و x2 به عنوان افراد در حال حاضر به عنوان رنگ
654
00:29:00,020 –> 00:29:04,700
زیرا این فاصله بین x 1 x است
655
00:29:04,700 –> 00:29:07,770
2 به عنوان یک مجموعه در برابر x 3
656
00:29:07,770 –> 00:29:10,110
زیرا آن دو چون می بینند که
657
00:29:10,110 –> 00:29:13,710
فاصله x 1 با x 33 و فاصله
658
00:29:13,710 –> 00:29:15,779
از x 3
659
00:29:15,779 –> 00:29:19,080
با x 22 سپس من را نگه می دارم
660
00:29:19,080 –> 00:29:21,570
حداقل چون با حداقل چون من هستم
661
00:29:21,570 –> 00:29:24,210
با استفاده از hop aggregation منهای if
662
00:29:24,210 –> 00:29:26,399
از حداکثر تجمع پرش استفاده خواهد کرد
663
00:29:26,399 –> 00:29:29,470
من باید 23 بگذارم
664
00:29:29,470 –> 00:29:31,510
اگر از تجمیع میانگین استفاده کنید
665
00:29:31,510 –> 00:29:34,169
برای 2.5 ضربه بزنید
666
00:29:34,169 –> 00:29:38,009
خوب حالا فاصله را از x 1 x 2 ببینید
667
00:29:38,009 –> 00:29:42,720
در مقابل x 4 چون من این 4.5 باقی مانده است
668
00:29:42,720 –> 00:29:45,029
فاصله x 1 در مقابل را مشاهده کنید
669
00:29:45,029 –> 00:29:47,460
x4
670
00:29:47,460 –> 00:29:52,010
5.5 فاصله x2 در برابر x4 است
671
00:29:52,010 –> 00:29:57,380
4.5 حداقل این دو 4.5 است
672
00:29:57,380 –> 00:30:01,730
و این 2.5 همان چیزی است که در آنجا وجود ندارد
673
00:30:01,730 –> 00:30:03,020
چه باید کرد زیرا این فاصله است
674
00:30:03,020 –> 00:30:06,860
بین x 3 x 4 که وجود دارد پس آن است
675
00:30:06,860 –> 00:30:09,950
ماتریس فاصله جدید من است
676
00:30:09,950 –> 00:30:13,909
خوب حالا من به دنبال حداقل های اینجا هستم
677
00:30:13,909 –> 00:30:15,740
اتحادیه را ایجاد کنند
678
00:30:15,740 –> 00:30:19,740
توجه کنید که شراب اینجا 2 است
679
00:30:19,740 –> 00:30:22,470
سپس اتحادیه بعدی x 1 2 است
680
00:30:22,470 –> 00:30:26,890
در مقابل x 3 به یاد داشته باشید که من پیوسته بودم
681
00:30:26,890 –> 00:30:28,860
به x 1
682
00:30:28,860 –> 00:30:31,190
با x2
683
00:30:31,190 –> 00:30:34,300
در ارتفاع اینجا
684
00:30:34,300 –> 00:30:36,169
از 1
685
00:30:36,169 –> 00:30:41,649
اکنون می خواهم x 1 x 2 را با x 3 بپیوندم
686
00:30:41,779 –> 00:30:44,509
در ارتفاع
687
00:30:44,509 –> 00:30:48,309
بنابراین این اتحادیه زیر است
688
00:30:48,500 –> 00:30:52,070
در ارتفاع 2 که این را به من داد
689
00:30:52,070 –> 00:30:55,040
اتحادیه به او تلاش تشکیل می شود
690
00:30:55,040 –> 00:30:56,290
غلات
691
00:30:56,290 –> 00:31:00,280
چون خوب خیلی خوب الان بله
692
00:31:00,280 –> 00:31:03,520
x 1 x 2 x 3 تبدیل به یک مجموعه می شود
693
00:31:03,520 –> 00:31:05,890
چون آنها ملحق شدند و شما مجبورید
694
00:31:05,890 –> 00:31:08,080
تمام این مجموعه را محاسبه کنید
695
00:31:08,080 –> 00:31:13,799
find x 4 توجه داشته باشید که 2.5 باقی مانده است
696
00:31:13,799 –> 00:31:20,580
خوب چون 12.5 چون رعایت کنید
697
00:31:20,580 –> 00:31:22,919
از اینجا پشت فاصله از اینجا هستند
698
00:31:22,919 –> 00:31:28,190
مورد نیاز با 33 اما با tx4
699
00:31:28,190 –> 00:31:30,890
چون الان قرار است متحد شویم همه اینهاست
700
00:31:30,890 –> 00:31:34,890
در برابر x4 4.5 و فاصله x 3 است
701
00:31:34,890 –> 00:31:40,019
در مقابل x 4 از 2.5 که در آن x 1 x 2 با 3
702
00:31:40,019 –> 00:31:45,390
x 4 4.5 و از x 3 در مقابل x 4 2.5 سپس
703
00:31:45,390 –> 00:31:47,640
در اینجا حداقل به آن رسیده است
704
00:31:47,640 –> 00