Phân cụm (Clustering)

Định nghĩa

Phân cụm (Clustering) là một bài toán thuộc Học không giám sát (Unsupervised Learning), trong đó mục tiêu là tự động nhóm (grouping) các đối tượng dữ liệu tương tự nhau vào các cụm (clusters).

• Trong cùng một cụm: Các đối tượng có đặc điểm giống nhau (high intra-class similarity).
• Giữa các cụm khác nhau: Các đối tượng có đặc điểm khác nhau (low inter-class similarity).

Thuật toán tự tìm ra cấu trúc nhóm mà không cần biết trước các nhóm là gì (Dữ liệu không nhãn (Unlabeled Data)).

Câu hỏi Phân cụm

Bài toán này trả lời câu hỏi: “Những cái nào trông giống nhau?”

Phân biệt với Phân loại (Classification)

• Phân loại (Classification) (Học có giám sát): Biết trước các lớp là gì (ví dụ: “Mèo”, “Chó”). Mục tiêu là gán đối tượng mới vào lớp đã biết.
• Phân cụm (Học không giám sát): Không biết trước các nhóm. Mục tiêu là để máy tự khám phá ra các nhóm tiềm ẩn dựa trên sự tương đồng.

Ví dụ

• Phân khúc Thị trường: Tự động nhóm các khách hàng có hành vi mua sắm hoặc đặc điểm nhân khẩu học tương tự nhau.
• Phát hiện Bất thường (Anomaly Detection): Các điểm dữ liệu không thuộc về bất kỳ cụm nào có thể là các trường hợp bất thường cần xem xét.
• Phân loại tài liệu: Nhóm các bài báo có cùng chủ đề.
• Phân tích mạng xã hội: Tìm các cộng đồng người dùng có tương tác chặt chẽ.

Thuật toán Phổ biến

• K-Means Clustering.
• Phân cụm Phân cấp (Hierarchical Clustering).
• DBSCAN.