التجميع بـ K-means: كيف يقسّم النموذج العملاء إلى مجموعات؟
K-means Clustering
الجواب المختصر
K-means يُستخدم حين لا توجد فئات جاهزة بل نريد جمع النقاط في مجموعات متشابهة (Clustering). الخطوات: نختار عدد المجموعات K (مثلًا 3)، ونضع مراكز أولية عشوائيًا، فتذهب كل نقطة لأقرب مركز، ثم نحدّث كل مركز ليصبح وسط نقاطه الجديدة، ونكرر التوزيع والتحديث حتى تستقر النتائج. مثال: زبائن متجر بميزتين (العمر والمبلغ المصروف) قد يقسمهم إلى مجموعات كشباب يصرفون قليلًا وكبار يصرفون كثيرًا. والمجموعات ليست «فئات حقيقية» بالضرورة بل تجميع بحسب التشابه.
الخوارزمية
- اختر عدد المجموعات K.
- ضع مراكز أولية عشوائيًا.
- وزّع كل نقطة على أقرب مركز.
- حدّث كل مركز إلى وسط نقاطه.
- كرر الخطوتين السابقتين حتى تستقر النتائج.
كيف نقرأ الرسم؟
كل لون مجموعة اكتشفها النموذج، وعلامة X الكبيرة مركز المجموعة. لاحظ أنها ليست فئات حقيقية بالضرورة، بل تجميع بحسب التشابه في الميزات المستخدمة. وإن اختلفت مقاييس الميزات فمن المفيد توحيدها قبل التجميع.
| K-means | التصنيف | |
|---|---|---|
| الإشراف | بدون (لا توجد فئات جاهزة) | تحت الإشراف (فئات معروفة) |
| النتيجة | مجموعات متشابهة | تنبؤ بفئة لحالة جديدة |
وهو من التعلم بدون إشراف، ويُستخدم أحيانًا بعد تبسيط البيانات بـPCA.
أخطاء شائعة
- اعتبار المجموعات فئات حقيقية بمجرد أنها ظهرت.
- إهمال توحيد مقاييس الميزات فتطغى ميزة على أخرى.
- اختيار K عشوائيًا دون ربطه بسؤال العمل.
وتجدر المقارنة بين نتائج عدة قيم لـ K ثم اختيار الأنسب لسؤال العمل، وإعادة التشغيل أكثر من مرة لأن المراكز الأولية عشوائية قد تعطي نتائج مختلفة قليلًا.
المصطلحات: عربي ↔ English
- تجميع
- Clustering
- مركز المجموعة
- Centroid
- K-means
- K-means
لماذا يهمّ هذا في BTEC؟
تذكّر أن اختيار K قرارك أنت، وأن تسمية المجموعات تفسير بشري بعد التجميع.
أسئلة تجيب عنها هذه الصفحة
- ما هو K-means؟
- كيف يعمل التجميع في الذكاء الاصطناعي؟
مفاهيم مرتبطة
- التعلم تحت الإشراف وبدون إشراف: الفرق وأمثلةفي التعلم تحت الإشراف تكون لدينا مدخلات X معها الإجابة الصحيحة Y فيتعلم النموذج العلاقة بينهما ثم يتنبأ، وفي التعلم بدون إشراف مدخلات فقط ويكتشف النموذج الأنماط، كتقسيم العملاء إلى مجموعات.
- تحليل المكونات الرئيسية PCA: كيف نقلّل أبعاد البيانات؟PCA يقلل عدد الميزات إلى ميزتين أو ثلاث بإيجاد أفضل اتجاهات تُظهر أكبر قدر من اختلاف البيانات وإسقاطها عليها، فتبقى المعلومات المهمة وتختفي التفاصيل الأقل أهمية، لتسهيل الفهم والرسم وتسريع بعض النماذج.
عن كاتب الصفحة
مدرّس BTEC IT · الأردن
- نوع المحتوى
- شرح مبني على مادة أحمد دومي — وليس نصًّا رسميًّا من Pearson
- آخر مراجعة
- ملاحظة على المصدر
- تعتمد هذه الصفحة على ملاحظات قصيرة لأحمد دومي عن الموضوع، وأُضيف إليها شرح توضيحي عام ليكتمل الجواب.
- المصدر
- ملاحظات تعلّم الآلة وأدوات الذكاء الاصطناعي (أحمد دومي) — K-means