التجميع التكتلي الهرمي والرسم الشجري - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

from sklearn.cluster import AgglomerativeClustering # used for agglomerative clustering import scipy.cluster.hierarchy as hierarchy hierarchy.set_link_color_palette(color_palette) # sets the color palette plt.figure() # iteratively merges points and clusters until all points belong to a single cluster linkage_flat = hierarchy.linkage(X_norm, method = 'ward') hierarchy.dendrogram(linkage_flat) plt.show()

ward (وارد) عبارة عن طريقة ربط تُستخدم في التجميع التكتلي الهرمي.

شكل 4.19: الرسم الشجري يصنف البيانات إلى عنقودين

يكشف الرسم الشجري عنقودين كبيرين يمكن تقسيمهما إلى عناقيد أصغر. ويُستخدم المقطع البرمجي التالي أداة AgglomerativeClustering (التجميع التكتلي)؛ لإنشاء عشرة عناقيد، وهو العدد الفعلي للعناقيد الموجودة في البيانات:

AC = AgglomerativeClustering(linkage = 'ward', n_clusters = 10) AC.fit(X_norm) # applies the tool to the data pred = AC.labels_ # gets the cluster labels pred

array([9, 6, 3, ..., 4, 4, 3], dtype=int64)

وأخيرًا، تُستخدم مؤشرات: Homogeneity (التجانس)، و Completeness (الاكتمال)، و Adjusted Rand (راند المعدّل) وكلها تعرّفت عليها في الدرس الثاني من الوحدة الثالثة؛ لتقييم جودة العناقيد الناتجة.

وزارة التعليم Ministry of Education 2025 - 1447 226

from sklearn.cluster import AgglomerativeClustering # used for agglomerative clustering import scipy.cluster.hierarchy as hierarchy hierarchy.set_link_color_palette(color_palette) # sets the color palette plt.figure()# iteratively merges points and clusters until all points belong to a single cluster linkage_flat = hierarchy.linkage(X_norm, method = 'ward') hierarchy.dendrogram(linkage_flat) plt.show()ward (وارد) عبارة عن طريقة ربط تُستخدم في التجميع التكتلي الهرمي.--- SECTION: شكل 4.19: الرسم الشجري يصنف البيانات إلى عنقودين --- شكل 4.19: الرسم الشجري يصنف البيانات إلى عنقودين يكشف الرسم الشجري عنقودين كبيرين يمكن تقسيمهما إلى عناقيد أصغر. ويُستخدم المقطع البرمجي التالي أداة AgglomerativeClustering (التجميع التكتلي)؛ لإنشاء عشرة عناقيد، وهو العدد الفعلي للعناقيد الموجودة في البيانات:AC = AgglomerativeClustering(linkage = 'ward', n_clusters = 10) AC.fit(X_norm) # applies the tool to the data pred = AC.labels_ # gets the cluster labels pred array([9, 6, 3, ..., 4, 4, 3], dtype=int64)وأخيرًا، تُستخدم مؤشرات: Homogeneity (التجانس)، و Completeness (الاكتمال)، و Adjusted Rand (راند المعدّل) وكلها تعرّفت عليها في الدرس الثاني من الوحدة الثالثة؛ لتقييم جودة العناقيد الناتجة.2025 - 1447--- VISUAL CONTEXT --- **DIAGRAM**: الرسم الشجري يصنف البيانات إلى عنقودين Description: A dendrogram illustrating hierarchical clustering. The x-axis implicitly represents individual data points or sub-clusters, and the y-axis represents the dissimilarity or distance at which clusters are merged. The diagram shows a tree-like structure where individual points are initially at the bottom (y=0) and are progressively merged into larger clusters as the y-value increases. The main structure shows two large clusters, visually distinguished by blue and green branches, merging at a high dissimilarity level (around 1600). The blue cluster on the left and the green cluster on the right each contain numerous smaller sub-clusters, indicating the hierarchical merging process. X-axis: Data points/clusters (implicit) Y-axis: Dissimilarity/Distance (implicit) Data: The dendrogram shows a hierarchical structure of clusters. The y-axis ranges from 0 to 1600, representing the distance or dissimilarity. The horizontal lines indicate merges between clusters, and the height of the merge corresponds to the dissimilarity. The diagram visually separates into two primary clusters (blue and green) at higher dissimilarity levels, with numerous sub-clusters at lower levels. Key Values: Y-axis range: 0 to 1600 Context: This dendrogram visually represents the hierarchical clustering process, demonstrating how data points are grouped into clusters based on their similarity. It supports the explanation of the AgglomerativeClustering algorithm and helps in understanding how to determine the optimal number of clusters by observing the merge heights.