Page 15 - 3.Big Data Analytics

หลักสูตรการวิเคราะห์ข้อมูลขนาดใหญ่ 14

Section 3: Clustering big data Clustering social networks Apply hierarchical clustering Apply k-means

clustering

3.1 วัตถุประสงคการเรียนรู

1) ทราบความหมายของการแบงกลุมขอมูล

2) เขาใจระเบียบวิธีการแบงกลุมแบบ K-means Clustering

3) เขาใจระเบียบวิธีการแบงกลุมแบบ Hierarchical Clustering

3.2 การแบงกลุมขอมูล

การแบงกลุมขอมูล (clustering เปนการวิเคราะหขอมูลที่นิยมใชในการเรียนรูของเครื่อง และการทำเหมือง
ขอมูลโดยจะจัดกลุมของขอมูลสำรวจ (ซึ่งมักจะอยูในรูปเวกเตอร ใหเปนเซ็ตยอย (เรียกวา กลุม หรือ cluster โดยที่ขอมูลที่

มีคุณลักษณะเดียวกันจะถูกจัดกลุมรวมไวในกลุมเดียวกัน การแบงกลุมขอมูลจัดเปนวิธีการเรียนรูแบบไมมีผูสอน

(unsupervised learning และเปนวิธีที่ใชกันทั่วไปในการวิเคราะหขอมูลทางสถิติ ซึ่งขั้นตอนวิธีที่ใชใ นการแบงกลุมขอมูล
จะอาศัยความคลาย(similarity หรือความใกลชิด( proximity โดยการวัดระยะหางระหวางเว กเตอรของขอมูลดวยการวัด

ระยะแบบตางๆ เชนระยะหางแบบยุคลิค(Euclidean distance , การวัดระยะแบบแมนฮัตตัน (Manhattan (City-block

distance , การวัดระยะแบบเชบิเชฟ (Chebychev distance สำหรับระเบียบวิธีการแบงกลุมที่นิยมใชไดแก k-means

clustering, hierarchical clustering, self-organizing map (som
3.3 ระเบียบวิธีการแบงกลุมแบบ K-means

K-means หรือเรียกอีกอยางหนึ่งวา การวิเคราะหกลุมแบบไมเปน ขั้นตอน (Nonhierarchical Cluster

Analysis หรือ การแบงสวน ( Partitioning เปนรูปแบบการเรียนรูแบบไมมีผูสอน ที่งายที่สุด เปนการแกปญหาการจัดกลุมที่
รูจักกันทั่วไป โดยระเบียบวิธีแบบ K-Means จะตัดแบง (Partition ขอมูลออกเปน K กลุม และแทนคาของแตละกลุมดวย

คาเฉลี่ยของกลุม ซึ่งใชเปนจุดศูนยกลาง (centroid ของกลุมในการวัดระยะหางของขอมูลในกลุมเดียวกัน โดยระเบียบ

วิธีการจัดกลุมแบบ K-means มีขั้นตอนดังนี้

1) สุมคาเริ่มตน และกำหนดจุดศูนยกลางเริ่มตน k ตำแหนง เรียกวา cluster centers หรือ centroid

2) ทำการจัดกลุมขอมูลทั้งหมดโดยการหาระยะหางระหวางขอมูลกับจุดศูนยกลางที่กำหนดใน (1 โ ดย
กำหนดใหขอมูลใดๆ ถูกจัดอยูในกลุมที่มีจุดศูนยกลางใกลที่สุด

3) หาคาเฉลี่ย (Mean ของแตละกลุมและกำหนดใหเปนคาจุดศูนยกลางใหม

4) ดำเนินการ (2 ซ้ำจนกระทั่งคาเฉลี่ยหรือจุดศูนยกลางในแตละกลุมจะคงที่

BIG DATA ANALYTICS สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร