Kümeleme algoritmalarının hiyerarşik bölücü kümeleme yönteminde çok sınıflı sınıflandırma performansına etkisi: bir analiz

Authors : Celal Alagoz

Pages : 363-373

Doi:10.24012/dumf.1430306

View : 71 | Download : 179

Publication Date : 2024-06-30

Article Type : Research Paper

Abstract :Çok sınıflı sınıflandırma problemini hiyerarşik biçime dönüştürerek performans gelişimi elde etmek araştırılan bir konudur. Böylesi bir dönüşümü otomatik olarak gerçekleştirmede kritik bir bileşen, hiyerarşi oluşturma sürecidir. Bu çalışma, standard kümeleme algoritmaları olan K-Medoids, K-Means ve Gaussian Karışım Modelleri’in bir hiyerarşi inşa etme tekniği olan Hiyerarşik Bölücü Kümeleme yönteminde bölücü işlevinde kullanılmasıyla otomatik olarak elde edilen hiyerarşilerin çok sınıflı veri setlerinin sınıflandırma performansına etkisini incelemektedir. İki farklı performans metriği olan F1 skoru ve doğruluk skoru kullanılarak yapılan analizler, K-Means ve GMM\'nin K-Med\'e göre genellikle daha etkili olduğunu göstermektedir. Ancak, performans iyileştirmesi ve öğrenme verimi, sınıf sayısına ve veri setinin özelliklerine bağlı olarak değişmektedir. Hiyerarşik biçime dönüştürmenin sınıflandırma performansına önemli ölçüde etkisi olduğu ve farklı veri setlerinin farklı tepkiler verdiği bulunmuştur. Çalışmanın kısıtları ve gelecek araştırma yönleri de tartışılmıştır. Bu çalışma, kümeleme algoritmalarının hiyerarşik bölücü kümeleme yöntemindeki rolünü ve gelecekteki araştırmalara potansiyel yönleri anlamak için önemli bir katkı sağlamaktadır.
Keywords : Çok Sınıflı Sınıflandırma, Hiyerarşik Sınıflandırma, Otomatik Hiyerarşi Üretme, Kümeleme Algoritmaları, Hiyerarşik Bölücü Kümeleme

ORIGINAL ARTICLE URL