خوارزمية K-means

ما هو تجميع K‑Means؟

تُعَد خوارزمية تجميع كي‑مينز (K-means) إحدى أشهر خوارزميات التعلم الآلي غير الموجه، وتُستَخدم لتجميع البيانات غير المصنَّفة بناءً على تشابه ميزاتها دون الاعتماد على تصنيفات مُحدَّدة مسبقًا.^{11شرح معنى " خوارزمية تجميع كي-المتوسط " ( K-MEANS CLUSTERING ) | دليل مصطلحات إم آي تي تكنولوجي ريفيوmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{22طريقة K-meansdataswans.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{33ماذا يعني التجميع بالمتوسطات؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} يُحدِّد المتغيّر «كي» (K) عدد المجموعات التي يراد إنشاؤها، ويُختار هذا العدد من قبل المستخدم قبل بدء العملية.^{11شرح معنى " خوارزمية تجميع كي-المتوسط " ( K-MEANS CLUSTERING ) | دليل مصطلحات إم آي تي تكنولوجي ريفيوmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تبدأ الخوارزمية باختيار مراكز أولية للمجموعات بصورة عشوائية، ثم تُعيد توزيع نقاط البيانات بحيث تُنسب كل نقطة إلى أقرب مركز من حيث المسافة.^{11شرح معنى " خوارزمية تجميع كي-المتوسط " ( K-MEANS CLUSTERING ) | دليل مصطلحات إم آي تي تكنولوجي ريفيوmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{44ما هو تجميع K‑Means؟ – Unite.AIunite.aiاذهب إلى المرجع ↓يُفتح في تبويب جديد} بعد إسناد النقاط، يُعاد حساب موقع كل مركز باعتباره متوسط إحداثيات النقاط المخصَّصة له، وتستمر هذه الدورة من الإسناد وإعادة الحساب حتى لا يتغيّر توزيع النقاط أو تُستوفى معايير التوقف.^{44ما هو تجميع K‑Means؟ – Unite.AIunite.aiاذهب إلى المرجع ↓يُفتح في تبويب جديد} نتيجةً لذلك، يحصل المستخدم على «كي» مجموعة متميزة، يُحدَّد لكل منها موقع «مركز الكتلة» (centroid) يُستَخدم لاحقًا لتصنيف نقاط بيانات جديدة إلى أقرب مجموعة.^{11شرح معنى " خوارزمية تجميع كي-المتوسط " ( K-MEANS CLUSTERING ) | دليل مصطلحات إم آي تي تكنولوجي ريفيوmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Execution time of the k-means clustering algorithm as the dataset size grows using OpenMP, OpenACC, and serial approaches.المؤلف: Ashish Srivastava, Mohammed Nawfal, and Prof. Kameswararao Anupindi · الترخيص: CC BY 4.0 · المصدر: ويكيميديا كومنز

فكرة التجميع

تُعَدُّ خوارزمية (K‑Means) واحدة من أبرز خوارزميات التجميع (Clustering) في مجال تحليل البيانات وتعلم الآلة، حيث تُستَخدم لتجميع نقاط البيانات في عدد محدد مسبقًا من المجموعات يُرمز له بـ k.^{55خوارزمية K-Means هي واحدة من أشهر خوارزميات التجميع (Clustering) ...instagram.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Kmeans clustering heatmap for biological applicationsالمؤلف: Eeisnaugle · الترخيص: CC0 · المصدر: ويكيميديا كومنز

تتمثل فكرة التجميع في K‑Means في توجيه كل نقطة بيانات نحو المجموعة التي يكون مركزها (centroid) أقرب إليها، وتُحدَّد هذه العملية عبر عدة مراحل متكررة:

تُحدَّد مراكز أولية عددها k، وغالبًا ما تُختار عشوائيًا، إلا أن هناك قواعد يمكن الاعتماد عليها لتحديدها بدقة.^{66ما المقصود بخوارزميات التعلم الآلي؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تُخصَّص كل نقطة إلى المجموعة التي يقترب مركزها منها وفق مسافة القرب، أي إلى أقرب centroid.^{66ما المقصود بخوارزميات التعلم الآلي؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
يُعاد حساب موقع كل مركز ليصبح متوسط (mean) جميع النقاط التي عُيِّنَت إليه، ما يُعيد تمثيل المركز بصورة أكثر دقة.^{66ما المقصود بخوارزميات التعلم الآلي؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تُعاد عملية التخصيص وإعادة حساب المراكز بصورة دورية حتى يستقر موقع كل مركز ولا يتغير بعد ذلك.^{66ما المقصود بخوارزميات التعلم الآلي؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

اختيار العدد المناسب للمجموعات k يُعَدُّ خطوة أساسية لضمان تجميع فعّال، حيث يحدد عدد المجموعات التي سيُقسم إليها العملاء أو البيانات المتشابهة.^{77سلسلة فهم لتعلم الآلة – الجزء السادس | Clusteringfihm.aiاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{55خوارزمية K-Means هي واحدة من أشهر خوارزميات التجميع (Clustering) ...instagram.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

خطوات الخوارزمية

تتبع هذ الخوارزمية (K‑means) سلسلة من الخطوات المتكررة لتجميع البيانات في مجموعات محددة مسبقًا. تبدأ العملية بتحديد عدد العناقيد المطلوب K ثم اختيار مراكز أولية عشوائيًا لتلك العناقيد، وتستمر في تحسين هذه المراكز عبر تعيين النقاط وإعادة حساب المواقع حتى يتحقق الاستقرار أو يُستوفى عدد محدد من التكرارات.

Hertzsprung–Russell diagram that plots luminosity against the colour of stars.المؤلف: Richard Powell · الترخيص: CC BY-SA 2.5 · المصدر: ويكيميديا كومنز

حدد عدد العناقيد K المطلوب إنشاؤها في التجميع.^{88تجميع K-Meansae.linkedin.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
اختر K مراكزًا أولية (Centroids) عشوائيًا من البيانات، إما باختيار عينات عشوائية أو باستخدام خوارزمية k‑means ++.^{99K-Means Clustering: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1010kmeans - k-means clustering - MATLABmathworks.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{88تجميع K-Meansae.linkedin.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
عيّن كل نقطة بيانات إلى أقرب مركز أولي وفق مسافة معينة.^{1111التجميع (Clustering) في تعلم الآلة: المفهوم، الخوارزميات، والتطبيقات العملية - My-Communicationmy-communication.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
أعد حساب موقع كل مركز بناءً على النقاط التي انضمت إليه، بحيث يصبح المركز أقرب ما يمكن إلى عناصر مجموعته.^{1111التجميع (Clustering) في تعلم الآلة: المفهوم، الخوارزميات، والتطبيقات العملية - My-Communicationmy-communication.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
كرّر عمليتي التعيين وإعادة الحساب بشكل متكرر حتى لا تتغيّر تعيينات النقاط (تستقر المراكز) أو يصل عدد التكرارات إلى الحد المحدد مسبقًا.^{1111التجميع (Clustering) في تعلم الآلة: المفهوم، الخوارزميات، والتطبيقات العملية - My-Communicationmy-communication.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{99K-Means Clustering: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
بعد انتهاء التدريب، يمكن تعيين بيانات جديدة إلى أحد العناقيد بحساب مسافتها إلى المراكز المستقرة واختيار الأقرب.^{99K-Means Clustering: مرجع المكون - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

اختيار عدد المجموعات

تُعَدُّ خوارزمية K-means (K-means) من خوارزميات التعلم غير الخاضع للإشراف، وتستند إلى افتراض وجود عدد محدد من العناقيد يُرمَز له بـ k لتقسيم مجموعة البيانات إلى مجموعات متجانسة داخل كل عنقودة وغير متجانسة بينها.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} لاختيار قيمة k المناسبة، يُراعى أن زيادة عدد العناقيد ينتج مجموعات أصغر تُظهر تفاصيل أدق، بينما تقليل عدد العناقيد يؤدي إلى مجموعات أوسع ذات تفاصيل أقل.^{1313ماذا يعني التجميع بالمتوسطات؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تُستَخدم عادةً مسافة إقليدية (Euclidean distance) لقياس القرب بين نقاط البيانات ومراكز العناقيد، ويهدف النموذج إلى تقليل مجموع المسافات بين كل نقطة ومجموعةها المخصصة.^{1313ماذا يعني التجميع بالمتوسطات؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

K-means convergence to a local minimumالمؤلف: Agor153 · الترخيص: CC BY-SA 3.0 · المصدر: ويكيميديا كومنز

اختيار قيمة k أعلى يُفضِّل تجزئة البيانات إلى عناقيد أصغر، ما يُكسب التحليل تفاصيل أكثر.^{1313ماذا يعني التجميع بالمتوسطات؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
اختيار قيمة k أقل يُنتج عناقيد أكبر، ما يُبسط الفهم على حساب فقدان بعض التفاصيل الدقيقة.^{1313ماذا يعني التجميع بالمتوسطات؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

أمثلة

تتعدد الأمثلة العملية لتطبيق خوارزمية كيه-مينز، ويبرز ذلك في مجالات تجزئة العملاء، حيث يمكن توظيفها لتوزيع الزبائن وتصنيفهم ضمن مجموعات فرعية استنادًا إلى خصائص معينة مثل العمر ومستوى الإنفاق، مع ضرورة تعيين عدد المجموعات المستهدفة بصورة مسبقة، كاختيار تقسيمهم إلى أربع مجموعات على سبيل المثال.^{77سلسلة فهم لتعلم الآلة – الجزء السادس | Clusteringfihm.aiاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Effect of initialization rounds and oversampling on clustering cost in k-means||.المؤلف: JCorbett2 · الترخيص: CC0 · المصدر: ويكيميديا كومنز

وعلى المستوى البرمجي والحوسبي، يُطبَّق تجميع كيه-مينز (k-means clustering) لتقسيم البيانات إلى عدد محدد من العناقيد، كما يتيح إنشاء مجموعات جديدة تدمج بين البيانات السابقة والمدخلات الحديثة عند ورود بيانات إضافية.^{1010kmeans - k-means clustering - MATLABmathworks.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} وتدعم الخوارزمية في بعض البيئات البرمجية إمكانية توليد شيفرة بلغة سي وسي بلس بلس (C/C++ code generation) تتولى استقبال بيانات التدريب وتصدير نتائج التجميع بهدف نشرها وتشغيلها على الأجهزة المختلفة.^{1010kmeans - k-means clustering - MATLABmathworks.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} ولتفادي استهلاك الذاكرة على تلك الأجهزة عند التعامل مع بيانات تدريب ذات أحجام كبيرة، يمكن فصل مرحلة التدريب عن مرحلة التنبؤ البرمجي، بحيث يُعتمد على دالة التجميع للتدريب، وتُستخدم دالة حساب المسافات المزدوجة (pdist2) لعملية التنبؤ.^{1010kmeans - k-means clustering - MATLABmathworks.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

الحدود

تُظهر خوارزمية (K-means) قيودًا واضحة عندما تُطبّق على بيانات تتفاوت في أحجامها وكثافتها، إذ قد تُفقد القدرة على تجميعها بفعالية.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تُعد القيم المتطرفة (outliers) من أبرز العوائق، إذ يمكن أن تُسحب المراكز (Centroids) بعيدًا عنها أو تُكوّن مجموعات منفصلة تُهدر موارد التحليل.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} لذا يُستحسن معالجة هذه القيم قبل بدء العنقدة، إما بإزالتها أو بفرض حد أقصى لها (قصها) لضمان استقرار النتائج.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Rosa Gold Glow 2 small noblue color spaceالمؤلف: No machine-readable author provided. Dcoetzee assumed (based on copyright claims). · الترخيص: Public domain · المصدر: ويكيميديا كومنز

من أهم الحدود التي يجب مراعاتها:

عدم قدرة K‑means على التعامل مع مجموعات ذات كثافة أو حجم مختلف دون تعديل الخوارزمية.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تأثر المراكز بالقيم المتطرفة التي قد تُعيد توجيه عملية العنقدة إلى مسارات غير مرغوبة.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
ضرورة تنفيذ خطوات تمهيدية لإزالة أو تقليم القيم المتطرفة لضمان تجميع أكثر دقة.^{1212شرح خوارزمية K-Means مع مثال عملي في Python – علوم 24sciences24.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

التطبيقات العملية

تُستَخدم خوارزمية (K‑Means) في تطبيقات عملية متعددة تستهدف تجميع البيانات وفقًا للتشابه في الخصائص. في مجال التسويق، تُقسم القواعد العملاء إلى مجموعات بناءً على سلوكهم الشرائي أو السمات الديموغرافية، ما يُحسّن استهداف الحملات الإعلانية ويزيد من فعاليتها.^{1414كيف تعمل خوارزمية K-Means Clustering لتحليل البيانات؟aidalil.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما تُطبق في تحليل الصور لتفريق المناطق داخل الصورة اعتمادًا على خصائص اللون أو القوام، مما يُسهم في تحسين عمليات التعرف على الأنماط البصرية.^{1414كيف تعمل خوارزمية K-Means Clustering لتحليل البيانات؟aidalil.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

التسويق: تجميع العملاء حسب سلوك الشراء والخصائص السكانية لتخصيص العروض.^{1414كيف تعمل خوارزمية K-Means Clustering لتحليل البيانات؟aidalil.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تحليل الصور: فصل الأجزاء المتجانسة في الصورة وفقًا للون والقوام لتسهيل المعالجة اللاحقة.^{1414كيف تعمل خوارزمية K-Means Clustering لتحليل البيانات؟aidalil.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}