Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

K-means Clustering Yontemiyle Mesafe olcutlerinin Karsilastirilmasi

No description
by

Süleyman Düzgün

on 13 January 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of K-means Clustering Yontemiyle Mesafe olcutlerinin Karsilastirilmasi

Bir Örnek...
K-means Clustering Nedir?
Bir sınıflandırma algoritmasıdır.
k adet merkez üretir.
Bir mesafe ölçütü gereklidir.
4 adımdan oluşur.
K-means Algoritması
4 adımdan oluşan bir algoritma
Mesafe Ölçütleri
Öklid
Manhattan
Mahalanobis
Manhattan ve Mahalanobis
Manhattan
Mahalanobis
Mesafe Ölçütlerinin Karşılaştırılması
Öklit - Manhattan Karşılaştırılması
Mahalanobis
K-means Clustering Yöntemiyle Mesafe Ölçütlerinin Karşılaştırılması
1 - Sınıf merkezlerini belirle
2 - Merkez dışındaki diğer noktaların merkeze uzaklıklarına göre sınıflandırma yap.
3 - Yapılan sınıflandırmaya göre yeni merkezleri belirle

4- Kararlı duruma gelene kadar 2. ve 3. adımı tekrarla

Uzaklık negatif olamaz
Her noktanın kendisine uzaklığı sıfırdır
Uzaklık fonksiyonları simetriktir.
İki nokta arasındaki uzaklık, bu iki noktanın
üçüncü bir noktaya olan uzaklıkları toplamından küçük olamaz.
Mesafe Ölçütlerinin Özellikleri:
Öklid Mesafe Ölçütü
Manhattan Mesafe Ölçütü
Manhattan Mesafe Ölçütü
Mahalanobis Mesafe Ölçütü
Mahalanobis Mesafe Ölçütü
Öklid - Manhattan Karşılaştırılması
Mahalonobis
uzaklığının avantajı, aykırı
noktaları da hesaplamasıdır.
Bu yönleriyle Mahalonobis uzaklığı,
uzaklık ölçüleri arasında en
avantajlı olanıdır
denilebilir.

Mahalanobis
SONUÇ
Yapılan karşılaştırmalar sonucu:
Öklid: Dairesel
Manhattan : Dikdörtgensel
Mahalanobis : Elipsel
kümelemede en iyi performansı gösterir.
Süleyman DÜZGÜN
Ankara, 2014
Sunumu http://prezi.com/1umpz1dswcgw/?utm_campaign=share&utm_medium=copy linkinden indirebilirsiniz:
Full transcript