Hierarchical Clustering
📘 গাছের মতো গুচ্ছ তৈরি।
🌐 Tree-like grouping of data.
🧩
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
গাছের মতো গুচ্ছ তৈরি।
গাছের মতো গুচ্ছ তৈরি।
🌐 English:
Tree-like grouping of data.
Tree-like grouping of data.
🗂 কোথায় পড়ে
৩. মেশিন লার্নিং → আনসুপারভাইজড লার্নিং → Hierarchical Clustering
🎯 এই শাখার লক্ষ্য
Cluster, reduce dimensions, detect anomalies
🧰 টুলস
scikit-learn, UMAP
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
দলের সংখ্যা আগে না জেনে পুরো হায়ারার্কি দেখা যায়।
- ধাপ 1প্রতিটি বিন্দু নিজস্ব দল দিয়ে শুরু (agglomerative)
- ধাপ 2সবচেয়ে কাছের দুই দল বারবার একত্র
- ধাপ 3linkage: ward (ভ্যারিয়েন্স কম), complete, average, single
- ধাপ 4ডেনড্রোগ্রাম এঁকে উপযুক্ত উচ্চতায় কেটে দল সংখ্যা ঠিক করুন
🧪 বাস্তব উদাহরণ
জিন এক্সপ্রেশন ডেটায় হায়ারার্কিক্যাল ক্লাস্টারিং + হিটম্যাপ (clustermap)।
⚠️ সাধারণ ভুল
বড় ডেটায় (লক্ষাধিক) ব্যবহার—মেমোরি O(n²)।
🔑 মূল শব্দ (Key terms)
hierarchical clusteringagglomerativelinkagedendrogram
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক2.1 Agglomerative2.1.1 নিচ থেকে উপরে
2.2 Linkage2.2.1 single2.2.2 complete2.2.3 ward
2.3 ডেনড্রোগ্রাম2.3.1 কোথায় কাটব
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Unsupervised Learning)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np, matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.metrics import silhouette_score
X,_=make_blobs(400,n_features=5,centers=4,random_state=3)
for k in [2,3,4,5]: print("k=",k,"silhouette=",round(silhouette_score(X,KMeans(k,n_init=10,random_state=0).fit_predict(X)),3))
lab=KMeans(4,n_init=10,random_state=0).fit_predict(X); Z=PCA(2).fit_transform(X)
plt.scatter(Z[:,0],Z[:,1],c=lab,cmap="viridis",s=15); plt.title("K-Means clusters (PCA view)"); plt.show()❓
সেল্ফ-চেক · Self check
1. “নিচ থেকে উপরে” — এটি কোন সাব-টপিকের বর্ণনা?
2. “single, complete, ward” — এটি কোন সাব-টপিকের বর্ণনা?
3. “কোথায় কাটব” — এটি কোন সাব-টপিকের বর্ণনা?
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. K-Means Clustering2. Hierarchical Clustering3. DBSCAN4. PCA5. t-SNE UMAP6. Anomaly Detection7. Association Rules Apriori