unsupervised machine learning (cluster)

تطبيق خوارزمية K-Means للتجميع

الهدف:

تطبيق خوارزمية K-Means Clustering على بيانات مكونة من ميزتين (Features) تم تقييسها (Standardized)، بهدف تقسيم البيانات إلى مجموعتين (K=2).

الخطوات :

تم عمل preprocessing for data

تقييس البيانات (Standardization):

تم تحويل القيم إلى مقياس موحد بحيث يكون لكل ميزة (Feature) وسط = 0 وانحراف معياري = 1.

تطبيق KMeans:

تم تحديد عدد التجمعات (Clusters) ليكون K = 2 (تم تحديده بناءً على اختبار سابق مثل Elbow method).

الخوارزمية قامت بتجميع البيانات بناءً على أقرب مركز (Centroid).

رسم النتائج باستخدام Matplotlib:

النقاط المرسومة تمثل البيانات بعد التقييس، وملونة حسب الانتماء لكل Cluster.

علامات X الحمراء الكبيرة تمثل مراكز التجمعات (Centroids).

اللون يعبر عن كل Cluster