در نگاه اول ما این داده ها را در ۴ دسته می توانیم قرار بدهیم که کاملا واضح اطلاعات هر دسته در کنار هم قرار دارند

اینطوری

به این نقاط شروع دقت کنید اینها کاملا تصادفی انتخاب می شوند (ستاره ها) حالا فرض کنید این چهار نقطه به صورت تصادفی به عنوان نقاط شروع الگوریتم انتخاب شده باشند

حالا بیاید ببینم در گام های بعدی چه نقاطی به عنوان میانگین انتخاب می شوند و در نهایت ۴ دسته نهایی که بدست می آید با ۴ دسته ی که انتظار داریم چه تفاوتی خواهد داشت.

این نتیجه اولین میانگین گیری و دسته بندی اول که به اصطلاح می گوییم 👈 تکرار اول

اعضای مربوط به هر ستاره با رنگ‌همان ستاره مشخص شدن

👈تکرار دوم

👈تکرار سوم

👈تکرار ۴

👈 تکرار اخر و دسته بندی نهایی که سیستم بدست اورد

دقت کردید که سیستم چه اشتباه فاحشی رو انجام داد بجای ۴ دسته ای که انتظار داشتیم ۴ دسته متفاوت تحویل داد من همیشه گفتم واقعا چطور باید به یه مشت پیچ و میخ و پلاستیک فهموند که درست بفهمد🤦‍♂

ببینید دوستان عزیز من قصد ندارم که همه الگوریتم های هوش مصنوعی را به این سبک براتون توضیح بدهم بلکه قصد من این هست که شما را با مفاهیم اولیه ی از هوش مصنوعی آشنا کنم همان طور که شما را با مفاهیم طراحی سایت آشنا کردم پس یکم صبر و حوصله داشته باشید و نکات را یاد بگیرید الان هدف از اموزش امروز این بود که بدانید هوش مصنوعی ۳ وضعیت در پیش بینی نتایج دارد الف- خیلی درست پیش بینی می کنه یعنی بیش از اندازه منطبق بر داده ها هست (اُوِر فیت over fit) معادل‌ فارسیش میشه بیش برازش ب- خیلی غلط پیش بینی می کنه یعنی خیلی منطبق برداده ها نیست (اندر فیت under fit) کم برازش و حالت سومی که بین این دو‌حالت هست و ما بن دنبال ان هستیم زمانی هست که حدودهای ۹۰ درصد تا ۹۵ درصد در پاسخ گویی دقت دارد نکته: سیستمی که ۱۰۰ درصد صحیح پیش بینی کند در موقعیت ها خاصی که تا حالا با ان روبرو نشده و در نمونه داده های قبلش هم وجود نداشته دچار اشتباهات فاحش می شود