មេរៀនទី១១៖ ការចាត់ថ្នាក់គ្មានការណែនាំ¶
ព័ត៌មានមេរៀន
រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១១ ក្នុងចំណោម ១៥
រហូតមកដល់ពេលនេះ យើងបានធ្វើផែនទីគម្របដីដោយប្រើសន្ទស្សន៍ (មេរៀនទី១០) ដែលផ្ដល់ លេខមួយក្នុងមួយក្រឡា។ ប៉ុន្តែសន្ទស្សន៍តែងផ្ដោតលើវត្ថុមួយប្រភេទ (ដូចជា NDVI ផ្ដោតលើរុក្ខជាតិ)។ បើយើងចង់បានផែនទីដែលបែងចែក គម្របដីច្រើនថ្នាក់ក្នុងពេលតែមួយ (ទឹក ព្រៃ ស្រែ សំណង់ ដីទទេ) យើងត្រូវការវិធីខុសគ្នា៖ ការចាត់ថ្នាក់ (Classification)។
មេរៀននេះណែនាំវិធីចាត់ថ្នាក់ដំបូង៖ ការចាត់ថ្នាក់គ្មានការណែនាំ (Unsupervised Classification) ដែលឱ្យកុំព្យូទ័ររកចង្កោមដោយខ្លួនឯង ដោយមិនប្រាប់វាថាចង្កោមនីមួយៗគឺជាអ្វី។
១១.១. គោលបំណងសិក្សា¶
បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖
- ពន្យល់គោលការណ៍នៃលំហលក្ខណៈ (feature space) និងចម្ងាយស្ពិចត្រាល់។
- ពន្យល់ក្បួនដោះស្រាយ K-means ជាជំហានៗ (assign → update → repeat)។
- ប្រើវិធីកែងដៃ (elbow method) ដើម្បីជ្រើសចំនួនចង្កោមសមស្រប។
- អនុវត្តការដាក់ស្លាក (labeling) ចង្កោមទៅជាប្រភេទគម្របដី។
- កំណត់ករណីដែលការចាត់ថ្នាក់គ្មានការណែនាំសមស្រប ឬមិនសមស្រប។
ចំណេះដឹងមុនត្រូវមាន¶
១១.២. ស្ថានភាពបើកមេរៀន៖ ផែនទីគម្របដីដោយមិនចង់សរសេរកម្មវិធីស្មុគស្មាញ¶
អ្នកស្រាវជ្រាវថ្មីម្នាក់ត្រូវធ្វើផែនទីគម្របដីលើកដំបូងក្នុងជីវិត។ គាត់មិនមានគំរូបណ្ដុះបណ្ដាល (training data) ហើយពេលវេលាមានកំណត់។ គាត់សួរថា៖ «តើមានវិធីណាដែលកុំព្យូទ័រអាចបែងចែកគម្របដីដោយខ្លួនឯង ដោយមិនចាំបាច់ខ្ញុំប្រាប់វាមុនថាព្រៃមើលទៅដូចម្ដេច?»
ចម្លើយគឺមាន៖ ការចាត់ថ្នាក់គ្មានការណែនាំមើលទិន្នន័យទាំងអស់ រកក្រុមដែលមានលក្ខណៈស្រដៀងគ្នា រួចបែងចែកជាចង្កោម ដោយពឹងលើគណិតវិទ្យាតែម្នាក់ឯង។ វាលឿន និងងាយអនុវត្ត ប៉ុន្តែមានតម្លៃត្រូវបង់៖ វាមិនដឹងថាចង្កោមនីមួយៗគឺជាអ្វីទេ។
សំណួរដែលមេរៀននេះឆ្លើយ៖ តើក្បួនដោះស្រាយរកចង្កោមដោយរបៀបណា? តើត្រូវប្រាប់វាថាមានចង្កោមប៉ុន្មាន ហើយធ្វើដូចម្ដេច? ហើយក្រោយចាត់ថ្នាក់រួច ធ្វើដូចម្ដេចដើម្បីដឹងថាចង្កោមមួយណាជាអ្វី?
១១.៣. ទ្រឹស្ដីស្នូល¶
១១.៣.១. គម្របដី ការប្រើប្រាស់ដី និងប្រព័ន្ធចំណាត់ថ្នាក់¶
មុនចាត់ថ្នាក់ ត្រូវកំណត់ថាថ្នាក់ណាខ្លះដែលចង់បាន។ ពាក្យពីរដែលច្រឡំញឹកញាប់៖
- គម្របដី (Land cover)៖ វត្ថុដែលគ្របលើផ្ទៃដី៖ ទឹក ដី ថ្ម រុក្ខជាតិ ផ្លូវ អគារ។ ផ្កាយរណបមើលឃើញវាដោយផ្ទាល់។
- ការប្រើប្រាស់ដី (Land use)៖ ប្រភេទ និងអាំងតង់ស៊ីតេនៃសកម្មភាពមនុស្សនៅទីនោះ៖ លំនៅដ្ឋាន ពាណិជ្ជកម្ម កសិកម្ម។ ផ្កាយរណបមើលមិនឃើញដោយផ្ទាល់ទេ ត្រូវសន្និដ្ឋានពីគម្របដី លំនាំ និងទីតាំង។
ឧទាហរណ៍៖ «ស្មៅ» ជាគម្របដី ប៉ុន្តែវាអាចជា «វាលវាយកូនហ្គោល» «វាលស្មៅចិញ្ចឹមសត្វ» ឬ «ដីទំនេររង់ចាំសាងសង់» តាមការប្រើប្រាស់។
ប្រព័ន្ធចំណាត់ថ្នាក់ USGS (Anderson et al., 1976) ជាប្រព័ន្ធពហុកម្រិតដែលប្រើទូទៅ៖
| កម្រិត I | ឧទាហរណ៍កម្រិត II |
|---|---|
| ១. ទីក្រុង ឬតំបន់សាងសង់ | ១១ លំនៅដ្ឋាន · ១២ ពាណិជ្ជកម្ម · ១៣ ឧស្សាហកម្ម · ១៤ ដឹកជញ្ជូន |
| ២. កសិកម្ម | ២១ ដំណាំ និងវាលស្មៅ · ២២ ចម្ការឈើហូបផ្លែ |
| ៣. វាលស្មៅ ព្រៃគុម្ពោត | ៣១ ស្មៅ · ៣២ គុម្ពោត |
| ៤. ព្រៃឈើ | ៤១ ព្រៃស្រោងស្លឹក · ៤២ ព្រៃបៃតងជានិច្ច · ៤៣ ព្រៃចម្រុះ |
| ៥. ទឹក | ៥១ ទន្លេ ប្រឡាយ · ៥២ បឹង · ៥៣ អាងស្តុកទឹក |
| ៦. ដីសើម | ៦១ ដីសើមមានព្រៃ · ៦២ ដីសើមគ្មានព្រៃ |
| ៧. ដីទទេ | ៧២ ឆ្នេរ · ៧៤ ថ្មលាតត្រដាង · ៧៥ កន្លែងជីកថ្ម ខ្សាច់ |
ក្រឡា ៣០ ម (Landsat) ជាទូទៅសមស្របសម្រាប់កម្រិត I និងផ្នែកខ្លះនៃកម្រិត II ឯកម្រិត III ត្រូវការរូបភាពក្រឡាតូចជាង ឬទិន្នន័យទីវាល។
ថ្នាក់ស្ពិចត្រាល់ ធៀបនឹងថ្នាក់ព័ត៌មាន៖ ថ្នាក់ស្ពិចត្រាល់ (spectral classes) គឺក្រុមក្រឡាដែលមានតម្លៃស្រដៀងគ្នាក្នុងក្រុមរលកច្រើន ដែលក្បួនដោះស្រាយរកឃើញ។ ថ្នាក់ព័ត៌មាន (information classes) គឺប្រភេទដែលអ្នកប្រើចង់ដឹង (ទឹក ព្រៃ ទីក្រុង កសិកម្ម)។ ការងារនៃការចាត់ថ្នាក់ គឺការបំប្លែងថ្នាក់ស្ពិចត្រាល់ទៅជាថ្នាក់ព័ត៌មាន ហើយពួកវាមិនតែងមួយទល់មួយទេ៖ ថ្នាក់ព័ត៌មាន «ស្រែ» អាចមានថ្នាក់ស្ពិចត្រាល់ពីរបី (ស្រែមានទឹក ស្រែបៃតង ស្រែទុំ)។
អានរូបនេះ
- គម្របដី = អ្វីនៅលើផ្ទៃ · ការប្រើប្រាស់ដី = មនុស្សប្រើសម្រាប់អ្វី។
- គម្របដីដូចគ្នា អាចមានការប្រើប្រាស់ខុសគ្នា។
- ការប្រើប្រាស់ដីត្រូវការទិន្នន័យបន្ថែម (ផែនទីដីធ្លី សម្ភាសន៍)។
១១.៣.២. លំហលក្ខណៈ¶
ចាប់ផ្ដើមដោយស្រមៃថាក្រុមរលកនីមួយៗជា អ័ក្ស។ ក្រឡាមួយដែលមានតម្លៃ B4=៥% និង B8=៤០% ក្លាយជា ចំណុចមួយ ក្នុងលំហពីរវិមាត្រនេះ។ ជាមួយក្រុមរលកប្រាំមួយ (ដូចរូបភាព Landsat 8 ភ្នំពេញក្នុងពិសោធន៍) ក្រឡានីមួយៗក្លាយជាចំណុចក្នុងលំហប្រាំមួយវិមាត្រ ដែលពិបាកគូរ ប៉ុន្តែគោលការណ៍ដដែល៖
ក្រឡាដែលមានគម្របដីស្រដៀងគ្នា មានទំនោរជាចំណុចនៅជិតគ្នាក្នុងលំហនេះ ព្រោះពួកវាមានតម្លៃក្រុមរលកស្រដៀងគ្នា (សញ្ញាណស្ពិចត្រាល់ស្រដៀងគ្នា ដូចបានឃើញក្នុងមេរៀនទី៣)។ ការចាត់ថ្នាក់គ្មានការណែនាំ គ្រាន់តែជា ការរកចង្កោមចំណុចដែលនៅជិតគ្នា ក្នុងលំហនេះ ដោយមិនចាំបាច់ដឹងឈ្មោះគម្របដីជាមុន។ ចម្ងាយរវាងចំណុចពីរ (ហៅថា ចម្ងាយស្ពិចត្រាល់) គណនាដូចចម្ងាយធម្មតាក្នុងធរណីមាត្រ គ្រាន់តែមានវិមាត្រច្រើនជាងពីរ។
១១.៣.៣. ក្បួនដោះស្រាយ K-means¶
K-means ជាក្បួនដោះស្រាយដ៏សាមញ្ញ និងប្រើញឹកញាប់បំផុតសម្រាប់ការចាត់ថ្នាក់គ្មានការណែនាំ។ វាដំណើរការតាមជំហានដដែលៗ៖
- ចាប់ផ្ដើម៖ ជ្រើសចំណុច k ដោយចៃដន្យ ជា «កណ្ដាលចង្កោម» ដំបូង (k ជាចំនួនចង្កោមដែលអ្នកកំណត់ជាមុន)។
- ចាត់តាំង (Assign)៖ សម្រាប់ក្រឡានីមួយៗ គណនាចម្ងាយទៅកណ្ដាលចង្កោមទាំង k រួចចាត់ក្រឡានោះទៅកាន់ចង្កោមដែលកណ្ដាលនៅជិតបំផុត។
- ធ្វើបច្ចុប្បន្នភាព (Update)៖ គណនាកណ្ដាលថ្មីរបស់ចង្កោមនីមួយៗ ជាមធ្យមនៃក្រឡាទាំងអស់ដែលត្រូវបានចាត់តាំងទៅចង្កោមនោះ។
- ធ្វើម្ដងទៀត៖ ធ្វើជំហានទី២ និងទី៣ ម្ដងទៀត រហូតដល់កណ្ដាលចង្កោមលែងផ្លាស់ប្ដូរច្រើន (convergence)។
ពិសោធន៍៖ K-means ជាជំហានៗ
ចុច «ដំណើរការជំហានបន្ទាប់» ជាបន្តបន្ទាប់ ហើយសង្កេតថាផែនទីចង្កោមផ្លាស់ប្ដូរ និងកាន់តែច្បាស់ជាមួយជំហានបន្ថែម។ សាកល្បងប្ដូរចំនួនចង្កោម (k) ហើយចាប់ផ្ដើមឡើងវិញ។
ចំណុចសំខាន់៖ K-means មិនធានាថារកឃើញដំណោះស្រាយល្អបំផុតជានិច្ចទេ ព្រោះកណ្ដាលចាប់ផ្ដើមចៃដន្យអាចនាំទៅលទ្ធផលខុសគ្នា។ ការអនុវត្តល្អ គឺដំណើរការក្បួននេះច្រើនដងជាមួយចំណុចចាប់ផ្ដើមផ្សេងគ្នា រួចជ្រើសលទ្ធផលល្អបំផុត (កំហុសសរុបទាបបំផុត)។ QGIS (តាមរយៈ SCP ឬ Orfeo Toolbox) ធ្វើដំណើរការនេះដោយស្វ័យប្រវត្តិ។
អានរូបនេះ
- ជំហានទី១៖ ចំណុចកណ្ដាលចៃដន្យ · ក្រឡានីមួយៗទៅចំណុចជិតបំផុត។
- គណនាចំណុចកណ្ដាលថ្មី ជាមធ្យមនៃក្រឡាក្នុងចង្កោម ហើយធ្វើម្ដងទៀត។
- ឈប់ពេលចំណុចកណ្ដាលលែងប្ដូរ (រួម)។
១១.៣.៤. ជ្រើសចំនួនចង្កោម¶
K-means ទាមទារឱ្យអ្នកកំណត់ k ជាមុន ដែលជាសំណួរពិបាកបំផុតមួយ។ បើ k តូចពេក ថ្នាក់ខុសគ្នាច្រើនត្រូវបានបញ្ចូលគ្នា (ឧ. ទឹក និងស្រមោលព្រៃចូលចង្កោមតែមួយ)។ បើ k ធំពេក ថ្នាក់តែមួយត្រូវបានបំបែកដោយឥតប្រយោជន៍ (ឧ. ព្រៃបែងចែកជាច្រើនចង្កោមតាមកម្រិតស្រមោល)។
វិធីមួយដែលប្រើញឹកញាប់គឺ វិធីកែងដៃ (Elbow method)៖ ដំណើរការ K-means ជាមួយ k ខុសៗគ្នា រួចគូសក្រាបរវាង k និង កំហុសសរុបក្នុងចង្កោម (WCSS · Within-Cluster Sum of Squares)។
ពិសោធន៍៖ វិធីកែងដៃ
សង្កេតរាងក្រាប។ កែងដៃគឺជាចំណុចដែលបន្ថែមចង្កោមមិនកាត់បន្ថយកំហុសច្រើនទៀត។
ក្បួនអនុវត្តជាក់ស្ដែង៖ ជ្រើស k ចាប់ផ្ដើមពីចំនួនប្រភេទគម្របដីដែលអ្នកដឹងថាមានក្នុងតំបន់សិក្សា (ឧ. ៥ សម្រាប់ ទឹក ព្រៃ ស្រែ សំណង់ ដីទទេ) រួចសាកល្បង k បន្ថែម ១ ឬ ២ ដើម្បីមើលថាមានថ្នាក់រងបន្ថែម (ដូចជាព្រៃក្រាស់ ធៀបនឹងព្រៃស្ដើង) ដែលមានប្រយោជន៍ដែរឬទេ។
១១.៣.៥. ការដាក់ស្លាកចង្កោម¶
K-means ចេញលទ្ធផលជា «ចង្កោមទី១» «ចង្កោមទី២» ជាដើម ដោយគ្មានអត្ថន័យ។ ការបំប្លែងចង្កោមទៅជាឈ្មោះគម្របដីពិត (ការដាក់ស្លាក) ជាជំហានចាំបាច់ដែលធ្វើដោយមនុស្ស៖
- បង្ហាញចង្កោមម្ដងមួយៗ លើផែនទី ត្រួតលើបន្សំពណ៌ពិត ឬពណ៌សន្មត។
- ពិនិត្យទីតាំង៖ ចង្កោមដែលគ្របដណ្ដប់ផ្ទៃទឹកភាគច្រើន ទំនងជា «ទឹក»។
- ពិនិត្យតម្លៃមធ្យមក្រុមរលក៖ ចង្កោមដែលមាន NIR ខ្ពស់ Red ទាប ទំនងជារុក្ខជាតិ។
- ផ្ទៀងផ្ទាត់ជាមួយចំណេះដឹងតំបន់ ឬចំណុចយោងទីវាល ប្រសិនបើមាន។
ចង្កោមមួយអាចមិនស្មើនឹងថ្នាក់គម្របដីមួយ
ជួនកាល ថ្នាក់គម្របដីតែមួយ (ឧ. «ស្រែ») ត្រូវការចង្កោមច្រើនជាងមួយ ដោយសាររដូវដំណាំខុសគ្នា (ស្រែខ្ចី ធៀបនឹងស្រែទុំ)។ ក្នុងករណីនេះ ត្រូវ បញ្ចូលចង្កោមច្រើនចូលគ្នា (merge) ទៅជាថ្នាក់តែមួយ បន្ទាប់ពីការដាក់ស្លាក។
អានរូបនេះ
- k តូច៖ បញ្ចូលថ្នាក់ខុសគ្នាចូលគ្នា (ដំណាំ + ដើមឈើ)។
- k ធំ៖ បំបែកថ្នាក់មួយជាច្រើនចង្កោម ដែលត្រូវបញ្ចូលគ្នាវិញពេលដាក់ស្លាក។
- អនុវត្តជាក់ស្ដែង៖ ជ្រើស k ធំជាងចំនួនថ្នាក់ ២–៣ ដង រួចដាក់ស្លាក។
អានរូបនេះ
- SSE ថយចុះជានិច្ចពេល k កើន។
- ចំណុចដែលខ្សែកោងចាប់ផ្ដើមរាប (កែងដៃ) ជា k សមល្មម។
- កែងដៃច្រើនតែមិនច្បាស់៖ ប្រើចំណេះដឹងពីតំបន់បន្ថែម។
១១.៣.៦. ពេលណាប្រើការចាត់ថ្នាក់គ្មានការណែនាំ¶
| ប្រើពេលណា | ជៀសវាងពេលណា |
|---|---|
| គ្មានគំរូបណ្ដុះបណ្ដាល ឬចំណេះដឹងតំបន់តិច | ត្រូវការភាពត្រឹមត្រូវខ្ពស់ភ្លាមៗ |
| ការស្វែងយល់លើតំបន់ថ្មី (exploratory) | ថ្នាក់គម្របដីត្រូវការនិយមន័យតឹងតែង (ស្តង់ដារជាតិ) |
| មានពេលកំណត់ ចង់បានលទ្ធផលលឿន | ថ្នាក់ខ្លះមានហត្ថលេខាស្ពិចត្រាល់ជិតគ្នាខ្លាំង |
| ការត្រួតពិនិត្យលើតំបន់ធំ ដើម្បីរកលំនាំទូទៅ | ត្រូវការតាមដានថ្នាក់ជាក់លាក់តាមពេលវេលា |
ការចាត់ថ្នាក់គ្មានការណែនាំតែងប្រើជា ជំហានដំបូង ដើម្បីស្វែងយល់ទិន្នន័យ មុននឹងសម្រេចចិត្តថាត្រូវការចាត់ថ្នាក់មានការណែនាំ (មេរៀនទី១២) ដែរឬទេ។ ក្នុងការអនុវត្តជាច្រើន វិធីទាំងពីរប្រើផ្សំគ្នា៖ ចាត់ថ្នាក់គ្មានការណែនាំជាមុន ដើម្បីយល់រចនាសម្ព័ន្ធទិន្នន័យ រួចប្រើចំណេះដឹងនោះជួយជ្រើសគំរូបណ្ដុះបណ្ដាលសម្រាប់ការចាត់ថ្នាក់មានការណែនាំ។
អានរូបនេះ
- ចង្កោមខ្លះត្រូវនឹងថ្នាក់តែមួយច្បាស់ (ឧ. ទឹក)។
- ចង្កោមខ្លះលាយថ្នាក់ច្រើន៖ ត្រូវការបំបែក ឬទទួលយកកំហុស។
- អ្នកវិភាគសម្រេចស្លាក ដោយប្រើចំណេះដឹង និងរូបភាពលម្អិត។
១១.៤. ឧទាហរណ៍ដែលបានដោះស្រាយ៖ ធ្វើផែនទីព្រៃឈើដំបូងគេលើតំបន់ថ្មី¶
ក្រុមការងារត្រូវធ្វើផែនទីព្រៃឈើលើតំបន់ដែលមិនធ្លាប់មានទិន្នន័យ ក្នុងរយៈពេល ២ ថ្ងៃ។
ជំហានទី១៖ ជ្រើសវិធី¶
គ្មានគំរូបណ្ដុះបណ្ដាល និងគ្មានពេលចុះទីវាល → ជ្រើសការចាត់ថ្នាក់គ្មានការណែនាំ។
ជំហានទី២៖ កំណត់ k ដំបូង¶
ដឹងថាតំបន់មានយ៉ាងតិចប្រាំប្រភេទសំខាន់ៗ (ទឹក ព្រៃ ស្រែ សំណង់ ដីទទេ) → ចាប់ផ្ដើមជាមួយ k=៥។
ជំហានទី៣៖ ធ្វើតេស្តវិធីកែងដៃ¶
ដំណើរការ k=៣ ដល់ ១០។ ក្រាបបង្ហាញកែងដៃប្រហាក់ប្រហែល k=៦ ដែលបង្ហាញថាអាចមានថ្នាក់រងមួយបន្ថែម (ប្រហែលជាព្រៃពីររបៀប ឬស្រែពីររដូវ)។
ជំហានទី៤៖ ដំណើរការ K-means ជាមួយ k=៦¶
ដំណើរការក្បួនរហូតដល់កំណត់ (convergence)។ ទទួលបានចង្កោមប្រាំមួយ។
ជំហានទី៥៖ ដាក់ស្លាក¶
ត្រួតលើពណ៌ពិត៖ ចង្កោម ១ = ទឹក (ត្រឹមត្រូវនឹងទីតាំងទន្លេ) · ចង្កោម ២ និង ៣ = ព្រៃឈើក្រាស់ និងស្ដើង (បញ្ចូលគ្នាទៅជា «ព្រៃឈើ») · ចង្កោម ៤ = ស្រែ · ចង្កោម ៥ = សំណង់ · ចង្កោម ៦ = ដីទទេ។ ក្រោយបញ្ចូលចង្កោម ២ និង ៣ ចូលគ្នា ទទួលបានប្រាំថ្នាក់ចុងក្រោយ។
សេចក្ដីសន្និដ្ឋានដែលសមស្រប¶
«ការចាត់ថ្នាក់គ្មានការណែនាំផ្ដល់ផែនទីដំបូងក្នុងរយៈពេលខ្លីដោយគ្មានទិន្នន័យបណ្ដុះបណ្ដាល។ វិធីកែងដៃជួយជ្រើស k ប៉ុន្តែការដាក់ស្លាក និងការបញ្ចូលចង្កោមចុងក្រោយ នៅតែត្រូវការការវិនិច្ឆ័យរបស់មនុស្ស។»
អ្វីដែលយើងមិនអាចសន្និដ្ឋាន
ការចាត់ថ្នាក់គ្មានការណែនាំមិនអាចផ្ដល់តម្លៃភាពត្រឹមត្រូវជាលេខបានទេ ដោយគ្មានចំណុចយោងទីវាលបន្ថែម។ លទ្ធផលក៏អាចប្រែប្រួលរវាងការដំណើរការជាច្រើនដង ដោយសារចំណុចចាប់ផ្ដើមចៃដន្យ។ ការវាយតម្លៃភាពត្រឹមត្រូវពិតប្រាកដទាមទារជំហានបន្ថែម (មេរៀនទី១៣)។
១១.៥. សកម្មភាពអនុវត្ត¶
លំហាត់នេះស្ថិតក្នុងសៀវភៅអនុវត្ត
ការអនុវត្តលើ QGIS សម្រាប់មេរៀននេះស្ថិតក្នុង លំហាត់ទី១១។
និស្សិតធ្វើលំហាត់នេះ ដោយខ្លួនឯង នៅក្រៅម៉ោងរៀន។
១១.៦. ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន¶
១. «K-means តែងផ្ដល់លទ្ធផលដូចគ្នារាល់ដងដំណើរការ» ចំណុចចាប់ផ្ដើមចៃដន្យអាចនាំទៅលទ្ធផលខុសគ្នាបន្តិច។ ការដំណើរការច្រើនដងជួយកាត់បន្ថយហានិភ័យនេះ។
២. «ចំនួនចង្កោម ត្រូវតែស្មើនឹងចំនួនថ្នាក់គម្របដីចុងក្រោយ» ជារឿយៗត្រូវការចង្កោមច្រើនជាងថ្នាក់ចុងក្រោយ រួចបញ្ចូលគ្នាក្រោយពេលដាក់ស្លាក។
៣. «វិធីកែងដៃផ្ដល់ចម្លើយត្រឹមត្រូវតែមួយ» វាជាការណែនាំ។ ចំណេះដឹងតំបន់នៅតែចាំបាច់ក្នុងការសម្រេចចិត្តចុងក្រោយ។
៤. «ការចាត់ថ្នាក់គ្មានការណែនាំ មិនត្រូវការការវិនិច្ឆ័យរបស់មនុស្សទេ» ការដាក់ស្លាក និងការបញ្ចូលចង្កោម សុទ្ធតែធ្វើដោយមនុស្ស ដោយផ្អែកលើចំណេះដឹង។
៥. «វិធីនេះលឿនជាង និងជានិច្ចប្រសើរជាងការចាត់ថ្នាក់មានការណែនាំ» វាលឿនជាងក្នុងការចាប់ផ្ដើម ប៉ុន្តែជាទូទៅផ្ដល់ភាពត្រឹមត្រូវទាបជាងការចាត់ថ្នាក់មានការណែនាំ ដែលប្រើចំណេះដឹងរបស់មនុស្ស។
១១.៧. សេចក្ដីសង្ខេបមេរៀន¶
ការចាត់ថ្នាក់គ្មានការណែនាំរកចង្កោមក្រឡាដែលមានលក្ខណៈស្ពិចត្រាល់ស្រដៀងគ្នា ដោយមិនប្រើឈ្មោះថ្នាក់ជាមុន។ K-means ជាក្បួនដោះស្រាយដែលប្រើញឹកញាប់បំផុត ធ្វើការតាមជំហាន assign-update ម្ដងហើយម្ដងទៀត។
វិធីកែងដៃជួយជ្រើសចំនួនចង្កោម ដោយពិនិត្យកំហុសសរុបធៀបនឹងចំនួនចង្កោម។ ជំហានចុងក្រោយចាំបាច់ គឺការដាក់ស្លាកចង្កោមទៅជាប្រភេទគម្របដីពិត ដែលធ្វើដោយមនុស្ស ជួនកាលរួមទាំងការបញ្ចូលចង្កោមច្រើនចូលគ្នា។
គំនិតស្នូលនៃមេរៀន
K-means ឆ្លើយសំណួរ «ចំណុចណាស្រដៀងគ្នា?» មិនមែន «ចំណុចនេះជាអ្វី?» ទេ។ ការឆ្លើយសំណួរទីពីរ តែងតម្រូវឱ្យមានមនុស្សចូលរួម។
១១.៨. ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស¶
| ពាក្យខ្មែរ | ពាក្យអង់គ្លេស | អត្ថន័យខ្លី |
|---|---|---|
| ការចាត់ថ្នាក់គ្មានការណែនាំ | Unsupervised classification | រកចង្កោមដោយគ្មានស្លាកជាមុន |
| លំហលក្ខណៈ | Feature space | លំហដែលអ័ក្សជាក្រុមរលក |
| ចម្ងាយស្ពិចត្រាល់ | Spectral distance | ចម្ងាយរវាងចំណុចក្នុងលំហលក្ខណៈ |
| K-means | K-means clustering | ក្បួនចាត់ថ្នាក់ដោយចម្ងាយទៅកណ្ដាល |
| កណ្ដាលចង្កោម | Cluster centroid | ចំណុចមធ្យមនៃចង្កោម |
| វិធីកែងដៃ | Elbow method | វិធីជ្រើសចំនួនចង្កោម |
| WCSS | Within-Cluster Sum of Squares | កំហុសសរុបក្នុងចង្កោម |
| ការដាក់ស្លាក | Labeling | ការផ្ដល់ឈ្មោះគម្របដីទៅចង្កោម |
១១.៩. សំណួររំលឹក និងវាយតម្លៃ¶
ក. សំណួរយល់ដឹង¶
- ពន្យល់ជំហានទាំងបួននៃក្បួនដោះស្រាយ K-means។
- លំហលក្ខណៈជាអ្វី ហើយអ័ក្សរបស់វាតំណាងអ្វី?
- ពន្យល់វិធីកែងដៃ និងអត្ថន័យរបស់ WCSS។
- ហេតុអ្វីត្រូវការការដាក់ស្លាកក្រោយពេលចាត់ថ្នាក់គ្មានការណែនាំ?
- រាយករណីពីរដែលការចាត់ថ្នាក់គ្មានការណែនាំសមស្រប។
ខ. សំណួរអនុវត្តគោលគំនិត¶
- ក្រាបកែងដៃមួយបង្ហាញការធ្លាក់ខ្លាំងពី k=២ ទៅ k=៤ រួចរាបស្មើ។ តើគួរជ្រើស k ប៉ុន្មាន? ពន្យល់។
- ក្រោយចាត់ថ្នាក់ជាមួយ k=៦ អ្នកសង្កេតឃើញចង្កោមពីរមានទីតាំង និងតម្លៃក្រុមរលកស្រដៀងគ្នាខ្លាំង។ តើអ្នកគួរធ្វើអ្វី?
- ពន្យល់ថាហេតុអ្វី K-means ដែលដំណើរការពីរដងលើទិន្នន័យដូចគ្នា អាចផ្ដល់លទ្ធផលបន្តិចខុសគ្នា។
- អ្នកគ្មានចំណុចយោងទីវាលសោះ។ តើអ្នកអាចអះអាងភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់គ្មានការណែនាំបានទេ? ពន្យល់។
- ស្នើវិធីផ្សំការចាត់ថ្នាក់គ្មានការណែនាំ ជាមួយការចាត់ថ្នាក់មានការណែនាំ សម្រាប់គម្រោងមួយដែលមានទិន្នន័យតិច។
គ. កិច្ចការខ្លី¶
ក្នុងពិសោធន៍ K-means ចូរសាកល្បង k=៣ ៥ និង ៧។ សម្រាប់នីមួយៗ ដំណើរការជំហានរហូតដល់ Purity លែងកើនច្រើន (ប្រហែល ៦ ទៅ ៨ ជំហាន) ហើយកត់ត្រា Purity ចុងក្រោយ។ សរសេរការសង្កេត៖ តើ k ណាផ្ដល់លទ្ធផលល្អបំផុត ហើយហេតុអ្វី?
កំណត់សម្គាល់សម្រាប់គ្រូបង្រៀន¶
ក. ការបែងចែកពេលវេលា ១៨០ នាទី¶
| សកម្មភាព | ពេលវេលា |
|---|---|
| ស្ថានភាពបើកមេរៀន៖ ផែនទីដំបូងគេ | ១៥ នាទី |
| លំហលក្ខណៈ | ២០ នាទី |
| K-means ជាជំហានៗ · ពិសោធន៍ | ៤០ នាទី |
| វិធីកែងដៃ · ពិសោធន៍ | ៣០ នាទី |
| ការដាក់ស្លាកចង្កោម | ២៥ នាទី |
| ពេលណាប្រើ · ឧទាហរណ៍ | ៣០ នាទី |
| សង្ខេប | ២០ នាទី |
| សរុប | ១៨០ នាទី / ៣ ម៉ោង |
ខ. ការភ្ជាប់ទៅមេរៀនបន្ទាប់¶
ការចាត់ថ្នាក់គ្មានការណែនាំលឿន ប៉ុន្តែមិនដឹងឈ្មោះថ្នាក់ដោយខ្លួនឯង។ បើអ្នកមានពេល និងគំរូខ្លះស្រាប់ តើអាចប្រើចំណេះដឹងនោះ ដើម្បីទទួលបានលទ្ធផលល្អជាងដែរឬទេ?
សំណួរនេះនាំទៅ មេរៀនទី១២៖ ការចាត់ថ្នាក់មានការណែនាំ។