Filmedy: Nahrazení textu „\\([^ ][^])\\“ textem „'''$1'''“

2026-01-05T01:35:59Z

Nahrazení textu „\*\*([^ ][^*]*)\*\*“ textem „'''$1'''“

← Starší verze		Verze z 5. 1. 2026, 03:35
Řádek 35:		Řádek 35:
	* '''[[Hierarchické shlukování]] (Hierarchical Clustering):'''		* '''[[Hierarchické shlukování]] (Hierarchical Clustering):'''
	** '''Princip:''' Vytváří hierarchii klastrů, která může být reprezentována dendrogramem (stromovou strukturou). Existují dva hlavní přístupy:		** '''Princip:''' Vytváří hierarchii klastrů, která může být reprezentována dendrogramem (stromovou strukturou). Existují dva hlavní přístupy:
	*** '''Aglomerativní (zdola nahoru):''' Každý [[data\|datový bod]] začíná jako samostatný klastr, a poté jsou postupně spojovány nejbližší klastry.		'''* '''Aglomerativní (zdola nahoru):''' Každý [[data\|datový bod]] začíná jako samostatný klastr, a poté jsou postupně spojovány nejbližší klastry.
	*** '''Divizivní (shora dolů):''' Všechny [[data\|datové body]] začínají v jednom klastru, který je postupně rozdělován na menší klastry.		'''* '''Divizivní (shora dolů):''' Všechny [[data\|datové body]] začínají v jednom klastru, který je postupně rozdělován na menší klastry.
	** '''Výhody:''' Nevyžaduje předem znát počet klastrů, vizuálně interpretovatelné dendrogramem.		** '''Výhody:''' Nevyžaduje předem znát počet klastrů, vizuálně interpretovatelné dendrogramem.
	** '''Nevýhody:''' Výpočetně náročné pro velké [[datový set\|datové sady]], jednou vytvořené spojení/rozdělení nelze vrátit.		** '''Nevýhody:''' Výpočetně náročné pro velké [[datový set\|datové sady]], jednou vytvořené spojení/rozdělení nelze vrátit.

Filmedy: založena nová stránka s textem „{{K rozšíření}} {{Infobox Statistika | Název = Klastrování | Obrázek = Clustering_example.svg | Popis obrázku = Příklad shlukování datových bodů do tří klastrů | Obor = Strojové učení (Učení bez učitele), Statistika, Datová věda | Definice = Úloha seskupování sady objektů tak, aby objekty ve stejném shluku (klastru) byly podobnější než objekty v jiných shlucích. | Typ = Učení bez učitele | C…“

2025-05-27T18:24:35Z

založena nová stránka s textem „{{K rozšíření}} {{Infobox Statistika | Název = Klastrování | Obrázek = Clustering_example.svg | Popis obrázku = Příklad shlukování datových bodů do tří klastrů | Obor = Strojové učení (Učení bez učitele), Statistika, Datová věda | Definice = Úloha seskupování sady objektů tak, aby objekty ve stejném shluku (klastru) byly podobnější než objekty v jiných shlucích. | Typ = Učení bez učitele | C…“

Nová stránka

{{K rozšíření}}
{{Infobox Statistika
| Název = Klastrování
| Obrázek = Clustering_example.svg
| Popis obrázku = Příklad shlukování datových bodů do tří klastrů
| Obor = [[Strojové učení]] ([[Učení bez učitele]]), [[Statistika]], [[Datová věda]]
| Definice = Úloha seskupování sady objektů tak, aby objekty ve stejném shluku (klastru) byly podobnější než objekty v jiných shlucích.
| Typ = [[Učení bez učitele]]
| Cíl = Objevování skrytých struktur a vzorců v datech, segmentace, redukce dimenzionality
| Metody = [[K-means]], [[Hierarchické shlukování]], DBSCAN, GMM, Spektrální shlukování
| Využití = [[Segmentace zákazníků]], [[Rozpoznávání obrazu|analýza obrazu]], [[bioinformatika]], [[zpracování přirozeného jazyka|NLP]], [[sociální sítě]]
| Význam = Zjednodušování komplexních dat, personalizace, objevování anomálií
| Příbuzné pojmy = [[Klasifikace (strojové učení)|Klasifikace]], [[Analýza hlavních komponent|Redukce dimenzionality]], [[Datová věda]], [[Strojové učení]]
}}
'''Klastrování''' (anglicky ''clustering''), česky též '''shlukování''', je technika [[strojové učení|strojového učení]] spadající do kategorie [[učení bez učitele]]. Jejím cílem je seskupovat sadu [[objekt|objektů]] nebo [[data|datových bodů]] tak, aby [[objekt|objekty]] v jednom shluku (tzv. '''klastru''') byly navzájem co nejpodobnější, zatímco [[objekt|objekty]] v různých shlucích byly co nejméně podobné. Na rozdíl od [[klasifikace (strojové učení)|klasifikace]] nejsou pro [[klastrování]] předem dány žádné kategorie nebo označení; [[algoritmus]] si je "objevuje" sám na základě vnitřní struktury [[data|dat]].

---
== Princip a cíle klastrování ==
Základním principem [[klastrování]] je maximalizace ''vnitřní homogenity'' shluků (tj. podobnost [[objekt|objektů]] uvnitř jednoho klastru) a ''vnější heterogenity'' shluků (tj. nepodobnost [[objekt|objektů]] mezi různými klastry).
Cíle [[klastrování]] jsou různé:
* '''Objevování skrytých struktur:''' Identifikace přirozených skupin v datech.
* '''Zjednodušení dat:''' Redukce složitosti velkých [[datový set|datových sad]] jejich seskupením.
* '''Segmentace:''' Rozdělení populace nebo dat do smysluplných segmentů.
* '''Detekce anomálií:''' [[Objekt|Objekty]], které se nevejdou do žádného klastru nebo jsou do klastru zařazeny jen volně, mohou být anomálie.

---
== Metody klastrování ==
Existuje mnoho [[algoritmus|algoritmů]] pro [[klastrování]], které se liší v přístupu k definici klastru a způsobu jejich vytváření. Mezi nejběžnější patří:

* '''[[K-means]]:'''
** '''Princip:''' Jeden z nejpopulárnějších a nejjednodušších [[algoritmus|algoritmů]]. Cílem je rozdělit [[data]] do ''k'' předem definovaných klastrů. Každý [[data|datový bod]] je přiřazen k nejbližšímu centru klastru (centroidu). Centroidy se iterativně přesouvají na průměr všech bodů v daném klastru, dokud se klastry nestabilizují.
** '''Výhody:''' Rychlý, efektivní pro velké [[datový set|datové sady]].
** '''Nevýhody:''' Vyžaduje předem znát počet klastrů (k), citlivý na [[extrémní hodnota|odlehlé hodnoty]], pracuje nejlépe s kulatými klastry.

* '''[[Hierarchické shlukování]] (Hierarchical Clustering):'''
** '''Princip:''' Vytváří hierarchii klastrů, která může být reprezentována dendrogramem (stromovou strukturou). Existují dva hlavní přístupy:
*** '''Aglomerativní (zdola nahoru):''' Každý [[data|datový bod]] začíná jako samostatný klastr, a poté jsou postupně spojovány nejbližší klastry.
*** '''Divizivní (shora dolů):''' Všechny [[data|datové body]] začínají v jednom klastru, který je postupně rozdělován na menší klastry.
** '''Výhody:''' Nevyžaduje předem znát počet klastrů, vizuálně interpretovatelné dendrogramem.
** '''Nevýhody:''' Výpočetně náročné pro velké [[datový set|datové sady]], jednou vytvořené spojení/rozdělení nelze vrátit.

* '''DBSCAN (Density-Based Spatial Clustering of Applications with Noise):'''
** '''Princip:''' Seskupuje [[data|datové body]], které jsou blízko u sebe (mají vysokou hustotu), a označuje [[objekt|objekty]] v oblastech s nízkou hustotou jako [[šum (data)|šum]] nebo [[extrémní hodnota|odlehlé hodnoty]].
** '''Výhody:''' Nevyžaduje předem znát počet klastrů, dokáže najít klastry nepravidelných tvarů, odolný vůči [[šum (data)|šumu]].
** '''Nevýhody:''' Citlivý na parametry (hustotu), má problémy s daty s různou hustotou.

* '''Gaussian Mixture Models (GMM):'''
** '''Princip:''' Předpokládá, že [[data|datové body]] pocházejí z kombinace několika [[Gaussovo rozdělení|Gaussových (normálních) rozdělení]]. [[Algoritmus]] se snaží najít parametry těchto rozdělení (střed, rozptyl), které nejlépe vysvětlují daná [[data]].
** '''Výhody:''' Může modelovat klastry různých tvarů a velikostí, poskytuje pravděpodobnost, že bod patří do určitého klastru.
** '''Nevýhody:''' Náročnější na interpretaci, náchylný k přeučení, pokud se nepoužije správná regularizace.

* '''Spektrální shlukování (Spectral Clustering):'''
** '''Princip:''' Převádí problém [[klastrování]] do grafové reprezentace, kde jsou [[data|datové body]] uzly a podobnosti mezi nimi jsou hrany. Následně používá [[algoritmus|algoritmy]] z teorie grafů pro rozdělení grafu.
** '''Výhody:''' Dobré pro nalezení komplexních, nelineárních klastrů.
** '''Nevýhody:''' Výpočetně náročné pro velké [[datový set|datové sady]], vyžaduje volbu počtu klastrů.

---
== Metriky podobnosti (vzdálenosti) ==
Klastrovací [[algoritmus|algoritmy]] se spoléhají na definici podobnosti (nebo vzdálenosti) mezi [[data|datovými body]]. Mezi běžné metriky patří:
* '''Eukleidovská vzdálenost:''' Nejčastější, pro numerická [[data]].
* '''Manhattan vzdálenost:''' Součet absolutních rozdílů souřadnic.
* '''Kosinusová podobnost:''' Často pro [[textová data]] nebo [[vysoká dimenzionalita|vysokodimenzionální]] [[data]], měří [[úhel]] mezi vektory.

---
== Aplikace klastrování ==
[[Klastrování]] má široké uplatnění v mnoha oblastech:
* '''[[Marketing]]:''' [[Segmentace zákazníků]] pro cílené kampaně, analýza trhu.
* '''[[Bioinformatika]]:''' Seskupování [[genetické sekvence|genových]] expresních dat, klasifikace proteinů.
* '''[[Rozpoznávání obrazu|Počítačové vidění]]:''' Segmentace [[obrázky|obrázků]], rozpoznávání objektů.
* '''[[Zpracování přirozeného jazyka|Zpracování přirozeného jazyka]] (NLP):''' Seskupování dokumentů podle tématu, shlukování [[slovo|slov]] s podobným významem.
* '''Sociální sítě:''' Identifikace komunit uživatelů, analýza vlivných skupin.
* '''Medicína:''' Seskupování pacientů s podobnými symptomy nebo reakcemi na [[léky]].
* '''Detekce podvodů:''' Identifikace neobvyklých vzorců chování.

---
== Klastrování pro laiky ==
Představte si, že máte obrovskou hromadu různých [[ponožky|ponožek]] (to jsou vaše ''data''). Všechny jsou pomíchané – některé jsou modré, některé červené, některé s pruhy, některé puntíkované, některé dlouhé, některé krátké. Vaším úkolem je je roztřídit.

'''Klastrování''' (nebo shlukování) je, jako když ty [[ponožky]] začnete třídit do hromádek, aniž byste předem věděli, kolik hromádek bude, nebo jaké typy hromádek budou. Prostě se snažíte dát k sobě ty, které jsou si nejpodobnější.
* Třeba dáte všechny modré s pruhy dohromady.
* Všechny červené a krátké na jinou hromádku.
* A ty s puntíky na třetí.

[[Počítač]] se při [[klastrování]] chová podobně. Dostane spoustu informací (dat) a jeho cílem je najít v nich přirozené skupiny (klastry) tak, aby věci v jedné skupině byly co nejpodobnější, a od věcí v jiné skupině se co nejvíce lišily. A to vše dělá sám, bez toho, aby mu někdo řekl, jaké skupiny má hledat.

Díky [[klastrování]] se dají v obrovských množstvích dat objevit zajímavé věci, třeba jaké skupiny zákazníků máte, jaké typy dokumentů se objevují nejčastěji, nebo jak se shlukují geny.

---
== Viz také ==
* [[Strojové učení]]
* [[Učení bez učitele]]
* [[Klasifikace (strojové učení)]]
* [[K-means]]
* [[Hierarchické shlukování]]
* [[Datová věda]]
* [[Analýza dat]]
* [[Predikce]]
* [[Segmentace zákazníků]]

---
== Odkazy ==
* [https://www.britannica.com/technology/cluster-analysis Britannica – Cluster analysis] (anglicky)
* [https://www.ibm.com/topics/clustering IBM – What is clustering?] (anglicky)
* [https://www.javatpoint.com/machine-learning-clustering Javatpoint – Machine Learning Clustering] (anglicky)

[[Kategorie:Strojové učení]]
[[Kategorie:Učení bez učitele]]
[[Kategorie:Datová věda]]
[[Kategorie:Statistika]]
[[Kategorie:Algoritmy]]
[[Kategorie:Analýza dat]]
[[Kategorie:Umělá inteligence]]

Klastrování - Historie editací

Filmedy: Nahrazení textu „\*\*([^ ][^*]*)\*\*“ textem „'''$1'''“

Filmedy: Nahrazení textu „\\([^ ][^])\\“ textem „'''$1'''“