Cluster data using the capopy clust

Cluster data using the capopy clustering algorithm, which requires just one pass over the data. Can run in eitherbatch or incremental mode. Results are generally not as good when running incrementally as the min/max for each numeric attribute is not known in advance. Has a heuristic (based on attribute std. deviations), that can be used in batch mode, for setting the T2 distance. The T2 distance determines how many canopies (clusters) are formed. When the user specifies a specific number (N) of clusters to generate, the algorithm will return the top N canopies (as determined by T2 density) when N < number of canopies (this applies to both batch and incremental learning); when N > number of canopies, the difference is made up by selecting training instances randomly (this can only be done when batch training). For more information see:

ผลลัพธ์ (ไทย) 1:

ข้อมูลคลัสเตอร์โดยใช้ capopy คลัสเตอร์อัลกอริทึม ซึ่งต้องมีเพียงหนึ่งผ่านข้อมูล สามารถเรียกใช้ในโหมดแบบเพิ่มหน่วยหรือ eitherbatch ผลมักไม่ดีเมื่อทำงานเพิ่มขึ้น ตามสูงสำหรับแต่ละแอตทริบิวต์เลขไม่ทราบล่วงหน้า มีวริ (ตามแอตทริบิวต์ส่วนเบี่ยงเบนมาตรฐาน), ที่สามารถใช้ในโหมดชุดงาน การตั้งระยะ T2 ระยะ T2 กำหนดวิธีการหลายมุ้ง (clusters) เกิดขึ้น เมื่อผู้ใช้ที่ระบุหมายเลขเฉพาะ (N) ของคลัสเตอร์สร้าง อัลกอริทึมจะกลับมุ้งด้านบน N (ตามที่กำหนดโดยความหนาแน่นของ T2) เมื่อ N < จำนวนมุ้ง (นี้ใช้กับชุดและแบบเพิ่มหน่วยการเรียนรู้); เมื่อ N > เลขของมุ้ง ความแตกต่างถูกสร้างขึ้น โดยการเลือกอินสแตนซ์ของการฝึกอบรมแบบสุ่ม (เฉพาะได้เมื่อชุดการฝึกอบรม) สำหรับดูข้อมูลเพิ่มเติม:

ผลลัพธ์ (ไทย) 2:

ข้อมูลคลัสเตอร์โดยใช้ขั้นตอนวิธีการจัดกลุ่ม capopy ซึ่งจะต้องมีเพียงหนึ่งผ่านข้อมูล สามารถทำงานใน eitherbatch หรือโหมดที่เพิ่มขึ้น ผลการค้นหาโดยทั่วไปมักจะไม่ดีเมื่อทำงานเพิ่มขึ้นเป็นนาที / แม็กซ์สำหรับแต่ละแอตทริบิวต์ที่เป็นตัวเลขไม่เป็นที่รู้จักล่วงหน้า ได้แก้ปัญหา (อิงจากแอตทริบิวต์ Std. เบี่ยงเบน) ที่สามารถใช้ในโหมดแบทช์สำหรับการตั้งค่าระยะทาง T2 ระยะทาง T2 กำหนดวิธีการหลายหลังคา (กลุ่ม) ที่จะเกิดขึ้น เมื่อผู้ใช้ระบุจำนวนเฉพาะ (N) ของกลุ่มในการสร้างอัลกอริทึมจะกลับหลังคา N บน (ตามที่กำหนดโดยความหนาแน่นของ T2) เมื่อ N <จำนวนหลังคา (นี้นำไปใช้ทั้งชุดและการเรียนรู้ที่เพิ่มขึ้น); เมื่อ N> จำนวนหลังคา, ความแตกต่างที่ถูกสร้างขึ้นโดยการเลือกกรณีการฝึกอบรมแบบสุ่ม (ซึ่งสามารถทำได้เมื่อการฝึกอบรมชุด) สำหรับข้อมูลเพิ่มเติมโปรดดูที่:

ผลลัพธ์ (ไทย) 3:

ข้อมูลการใช้ capopy clustering algorithm , ซึ่งต้องการเพียงหนึ่งส่งผ่านข้อมูล สามารถเรียกใช้ในโหมด eitherbatch หรือเพิ่มขึ้น . ผลโดยทั่วไปจะไม่ดีเมื่อใช้แบบเพิ่มหน่วยเป็น Min / Max สำหรับแต่ละแอตทริบิวต์ตัวเลขที่ไม่ทราบล่วงหน้า มีฮิวริสติก ( ขึ้นอยู่กับค่าแอตทริบิวต์ STD ) ที่สามารถใช้ในโหมดแบทช์สำหรับการตั้งค่าแต่ละระยะทาง ระยะที่ 2 กำหนดกี่หลังคา ( กลุ่ม ) จะเกิดขึ้น เมื่อผู้ใช้จะระบุหมายเลขเฉพาะ ( N ) ของกลุ่มที่จะสร้างอัลกอริทึมจะกลับไปด้านบน ( หลังคา ( ตามที่กำหนดความหนาแน่น T2 ) เมื่อ n < จำนวนหลังคา ( นี้ใช้กับทั้งชุดและเพิ่มการเรียนรู้ ) ; เมื่อ n > จำนวนหลังคา , ความแตกต่างที่ถูกสร้างขึ้นโดยการสุ่มเลือกอินสแตนซ์ ( นี้สามารถทำเมื่อชุดฝึกอบรม สำหรับข้อมูลเพิ่มเติมโปรดดูที่ :