Кластеризация - История изменений

Patarakin в 04:57, 23 марта 2026

2026-03-23T04:57:01Z

← Предыдущая версия		Версия от 07:57, 23 марта 2026
Строка 4:		Строка 4:
	Задача кластеризации относится к классу задач обучения без учителя.		Задача кластеризации относится к классу задач обучения без учителя.
	* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.		* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.
	\|similar_concepts=Кластер ~~(кластер)~~, Коэффициент кластеризации ~~(коэффициент кластеризации)~~		\|similar_concepts=Кластер, Коэффициент кластеризации
	\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid, DBSCAN		\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid, DBSCAN
	\|FieldActivity=Дизайнер Сообществ		\|FieldActivity=Дизайнер Сообществ

Patarakin в 04:56, 23 марта 2026

2026-03-23T04:56:36Z

← Предыдущая версия		Версия от 07:56, 23 марта 2026
Строка 4:		Строка 4:
	Задача кластеризации относится к классу задач обучения без учителя.		Задача кластеризации относится к классу задач обучения без учителя.
	* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.		* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.
	\|similar_concepts=кластер, коэффициент кластеризации		\|similar_concepts=Кластер (кластер), Коэффициент кластеризации (коэффициент кластеризации)
	\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid		\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid, DBSCAN
	\|FieldActivity=Дизайнер Сообществ		\|FieldActivity=Дизайнер Сообществ
	\|Возрастная категория=16		\|Возрастная категория=16

Patarakin в 04:56, 23 марта 2026

2026-03-23T04:56:09Z

← Предыдущая версия		Версия от 07:56, 23 марта 2026
Строка 21:		Строка 21:

	''Алгоритм кластеризации'' — это функция <math>a\colon X\to Y</math>, которая любому объекту <math>x\in X</math> ставит в соответствие номер кластера <math>y\in Y</math>. Множество <math>Y</math> в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного ''критерия качества'' кластеризации.		''Алгоритм кластеризации'' — это функция <math>a\colon X\to Y</math>, которая любому объекту <math>x\in X</math> ставит в соответствие номер кластера <math>y\in Y</math>. Множество <math>Y</math> в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного ''критерия качества'' кластеризации.


	~~== Кластеризация педагогических технологий ==~~
	~~{{#mermaid:graph LR~~
	~~A[Pedagogical Technologies] --> B1(Active Learning)~~
	~~A --> B2(Collaborative Learning)~~
	~~A --> B3(Blended Learning)~~
	~~A --> B4(Game-based Learning)~~
	~~A --> B5(Adaptive Learning)~~
	~~B1 --> C1(Project-based Learning)~~
	~~B1 --> C2(Problem-based Learning)~~
	~~B1 --> C3(Inquiry-based Learning)~~
	~~B1 --> C4(Case-based Learning)~~
	~~B2 --> C5(Group Projects)~~
	~~B2 --> C6(Peer Teaching)~~
	~~B2 --> C7(Jigsaw Technique)~~
	~~B2 --> C8(Cooperative Learning)~~
	~~B3 --> C9(Online Discussions)~~
	~~B3 --> C10(Flipped Classroom)~~
	~~B3 --> C11(Mobile Learning)~~
	~~B3 --> C12(Synchronous/Asynchronous Learning)~~
	~~B4 --> C13(Gamification)~~
	~~B4 --> C14(Simulations)~~
	~~B4 --> C15(Virtual Reality/Augmented Reality)~~
	~~B4 --> C16(Game-based Assessments)~~
	~~B5 --> C17(Personalized Learning Paths)~~
	~~B5 --> C18(Intelligent Tutoring Systems)~~
	~~B5 --> C19(Learning Analytics)~~
	~~B5 --> C20(Adaptive Assessments)~~
	}}

Patarakin в 13:18, 17 мая 2024

2024-05-17T13:18:27Z

← Предыдущая версия		Версия от 16:18, 17 мая 2024
Строка 4:		Строка 4:
	Задача кластеризации относится к классу задач обучения без учителя.		Задача кластеризации относится к классу задач обучения без учителя.
	* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.		* Сетевая метрика / Кластеризация. Коэффициент кластеризации данного узла есть вероятность того, что два ближайших соседа этого узла сами есть ближайшие соседи.
	\|similar_concepts=кластер		\|similar_concepts=кластер, коэффициент кластеризации
	\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid		\|Environment=R, NetLogo, Python, OpenRepGrid, WenGrid
	\|FieldActivity=Дизайнер Сообществ		\|FieldActivity=Дизайнер Сообществ

Patarakin в 13:17, 17 мая 2024

2024-05-17T13:17:51Z

← Предыдущая версия		Версия от 16:17, 17 мая 2024
Строка 15:		Строка 15:
	https://upload.wikimedia.org/wikipedia/commons/thumb/c/c8/Cluster-2.svg/330px-Cluster-2.svg.png		https://upload.wikimedia.org/wikipedia/commons/thumb/c/c8/Cluster-2.svg/330px-Cluster-2.svg.png

	Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.

	== Формальная постановка задачи кластеризации ==		== Формальная постановка задачи кластеризации ==

Patarakin: /* Кластеризация педагогических технологий */

2024-03-22T14:05:00Z

Кластеризация педагогических технологий

← Предыдущая версия		Версия от 17:05, 22 марта 2024
Строка 25:		Строка 25:

	== Кластеризация педагогических технологий ==		== Кластеризация педагогических технологий ==
	{{#mermaid:~~graph~~		{{#mermaid:graph LR
	graph LR
	A[Pedagogical Technologies] --> B1(Active Learning)		A[Pedagogical Technologies] --> B1(Active Learning)
	A --> B2(Collaborative Learning)		A --> B2(Collaborative Learning)

Patarakin: /* Формальная постановка задачи кластеризации */

2024-03-22T14:04:38Z

Формальная постановка задачи кластеризации

← Предыдущая версия		Версия от 17:04, 22 марта 2024
Строка 22:		Строка 22:

	''Алгоритм кластеризации'' — это функция <math>a\colon X\to Y</math>, которая любому объекту <math>x\in X</math> ставит в соответствие номер кластера <math>y\in Y</math>. Множество <math>Y</math> в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного ''критерия качества'' кластеризации.		''Алгоритм кластеризации'' — это функция <math>a\colon X\to Y</math>, которая любому объекту <math>x\in X</math> ставит в соответствие номер кластера <math>y\in Y</math>. Множество <math>Y</math> в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного ''критерия качества'' кластеризации.


			== Кластеризация педагогических технологий ==
			{{#mermaid:graph
			graph LR
			A[Pedagogical Technologies] --> B1(Active Learning)
			A --> B2(Collaborative Learning)
			A --> B3(Blended Learning)
			A --> B4(Game-based Learning)
			A --> B5(Adaptive Learning)
			B1 --> C1(Project-based Learning)
			B1 --> C2(Problem-based Learning)
			B1 --> C3(Inquiry-based Learning)
			B1 --> C4(Case-based Learning)
			B2 --> C5(Group Projects)
			B2 --> C6(Peer Teaching)
			B2 --> C7(Jigsaw Technique)
			B2 --> C8(Cooperative Learning)
			B3 --> C9(Online Discussions)
			B3 --> C10(Flipped Classroom)
			B3 --> C11(Mobile Learning)
			B3 --> C12(Synchronous/Asynchronous Learning)
			B4 --> C13(Gamification)
			B4 --> C14(Simulations)
			B4 --> C15(Virtual Reality/Augmented Reality)
			B4 --> C16(Game-based Assessments)
			B5 --> C17(Personalized Learning Paths)
			B5 --> C18(Intelligent Tutoring Systems)
			B5 --> C19(Learning Analytics)
			B5 --> C20(Adaptive Assessments)
			}}

Patarakin в 13:57, 22 марта 2024

2024-03-22T13:57:53Z

← Предыдущая версия		Версия от 16:57, 22 марта 2024
Строка 16:		Строка 16:

	Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.		Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.

			== Формальная постановка задачи кластеризации ==
			Пусть <math>X</math> — множество объектов, <math>Y</math> — множество номеров (имён, меток) кластеров. Задана функция расстояния между объектами <math>\rho(x,x')</math>. Имеется конечная обучающая выборка объектов <math>X^m = \{ x_1, \dots, x_m \} \subset X</math>. Требуется разбить выборку на непересекающиеся подмножества, называемые ''кластерами'', так, чтобы каждый кластер состоял из объектов, близких по метрике <math>\rho</math>, а объекты разных кластеров существенно отличались. При этом каждому объекту <math>x_i\in X^m</math>
			приписывается номер кластера <math>y_i</math>.

			''Алгоритм кластеризации'' — это функция <math>a\colon X\to Y</math>, которая любому объекту <math>x\in X</math> ставит в соответствие номер кластера <math>y\in Y</math>. Множество <math>Y</math> в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного ''критерия качества'' кластеризации.

Patarakin в 13:56, 22 марта 2024

2024-03-22T13:56:23Z

← Предыдущая версия		Версия от 16:56, 22 марта 2024
Строка 10:		Строка 10:
	\|Examples=социограмма		\|Examples=социограмма
	}}		}}
	* ; [[ru_wikipedia:Кластерный анализ]] - interwiki		; [[ru_wikipedia:Кластерный анализ]] - interwiki
	Кластерный анализ (англ. cluster analysis) — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.		Кластерный анализ (англ. cluster analysis) — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.

			https://upload.wikimedia.org/wikipedia/commons/thumb/c/c8/Cluster-2.svg/330px-Cluster-2.svg.png

	Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.		Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.

Patarakin: /* Постановка задачи кластеризации */

2024-03-22T13:55:24Z

Постановка задачи кластеризации

← Предыдущая версия		Версия от 16:55, 22 марта 2024
Строка 10:		Строка 10:
	\|Examples=социограмма		\|Examples=социограмма
	}}		}}
	~~== Постановка задачи кластеризации ==~~		* ; [[ru_wikipedia:Кластерный анализ]] - interwiki
	~~Пусть <tex>X</tex> {{---}} множество объектов, <tex>Y</tex> {{---}} множество идентификаторов~~ (~~меток) кластеров~~.		Кластерный анализ (англ. cluster analysis) — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.
	~~На множестве <tex>X</tex> задана функция расстояния между объектами <tex>\rho(x,x'~~)~~</tex>.~~
	~~Дана конечная обучающая выборка объектов <tex>X^m = \{ x_1~~, ~~\dots~~, ~~x_m \} \subset X</tex>.~~
	Необходимо разбить выборку на подмножества (кластеры), то есть каждому объекту <tex>x_i \in X^m</tex> сопоставить метку <tex>y_i \in Y</tex>,
	~~таким образом чтобы~~ объекты ~~внутри каждого кластера были близки относительно метрики <tex>\rho</tex>~~, а ~~объекты из разных кластеров значительно различались~~.

	Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.		Глобальный коэффициент кластеризации показывает уровень сплоченности и взаимодействия группы как коллективного субъекта деятельности. В [[МЭШ]] групповой показатель кластеризации может использоваться при сравнении групп учителей, преподающих в одних школах или при сравнении группировок, преподающих различные учебные дисциплины.