Hard clustering versus soft cluster

Hard clustering versus soft clustering
Clustering techniques can be divided into hard clustering and soft clustering based on the cluster's membership.

In hard clustering, a given data point in n-dimensional space only belongs to one cluster. This is also known as exclusive clustering. The K-Means clustering mechanism is an example of hard clustering.

A given data point can belong to more than one cluster in soft clustering. This is also known as overlapping clustering. The Fuzzy K-Means algorithm is a good example of soft clustering. A visual representation of the difference between hard clustering and soft clustering is given in the following figure:

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์และคลัสเตอร์นุ่มอย่างหนักคลัสเตอร์เทคนิคแบ่งออกเป็นคลัสเตอร์อย่างหนักและนุ่มคลัสเตอร์ขึ้นอยู่กับสมาชิกของคลัสเตอร์ในคลัสเตอร์ฮาร์ดดิสก์ จุดข้อมูลใน n มิติพื้นที่เฉพาะเป็นสมาชิกกลุ่มหนึ่ง ยังเป็นที่รู้จัก เฉพาะคลัสเตอร์ได้ กลไกระบบคลัสเตอร์ K หมายถึงเป็นตัวอย่างของคลัสเตอร์ฮาร์ดดิสก์จุดข้อมูลสามารถเป็นสมาชิกของคลัสเตอร์หนึ่งในคลัสเตอร์นุ่ม เรียกอีกอย่างว่า เหลื่อมคลัสเตอร์ได้ อัลกอริทึมเอิบ K-หมายถึงเป็นตัวอย่างที่ดีของคลัสเตอร์นุ่ม ภาพของความแตกต่างระหว่างยากคลัสเตอร์และคลัสเตอร์นุ่มได้ในรูปต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

การจัดกลุ่มฮาร์ดเมื่อเทียบกับการจัดกลุ่มนุ่มเทคนิคการจัดกลุ่มสามารถแบ่งออกเป็นกลุ่มก้อนแข็งและอ่อนการจัดกลุ่มขึ้นอยู่กับสมาชิกของกลุ่ม. ในการจัดกลุ่มฮาร์ดจุดข้อมูลที่ได้รับในพื้นที่ n มิติเพียงเป็นหนึ่งในกลุ่ม นี้ยังเป็นที่รู้จักกันในชื่อการจัดกลุ่มพิเศษ กลไกการจัดกลุ่ม K-หมายถึงการเป็นตัวอย่างของการจัดกลุ่มฮาร์ด. จุดข้อมูลนี้สามารถอยู่ในกลุ่มมากกว่าหนึ่งในการจัดกลุ่มที่อ่อนนุ่ม นี้เป็นที่รู้จักกันเป็นกลุ่มก้อนที่ทับซ้อนกัน ฟัซซี่อัลกอริทึม K-หมายถึงการเป็นตัวอย่างที่ดีของการจัดกลุ่มที่อ่อนนุ่ม การแสดงภาพของความแตกต่างระหว่างการจัดกลุ่มการจัดกลุ่มอย่างหนักและนุ่มจะได้รับในรูปต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

ยากเมื่อเทียบกับการจัดกลุ่มการจัดกลุ่มการจัดกลุ่มนุ่ม
เทคนิคสามารถแบ่งออกเป็นกลุ่มตามยากและนุ่มสำหรับสมาชิกของกลุ่ม

ในการจัดกลุ่ม , จุดที่กำหนดข้อมูลในพื้นที่ n-dimensional เท่านั้นเป็นของกลุ่มหนึ่ง นี้เป็นที่รู้จักกันเฉพาะกลุ่ม . การ k-means clustering กลไกคือตัวอย่างของยากสำหรับ

กำหนดให้จุดข้อมูลที่สามารถอยู่ในกลุ่มมากกว่าหนึ่งในกลุ่มอ่อน . นี้เป็นที่รู้จักกันสำหรับ . ฟัซซี่ k-means ขั้นตอนวิธีเป็นตัวอย่างที่ดีของการจัดกลุ่มนุ่ม . การแสดงภาพของความแตกต่างระหว่างการจัดกลุ่มการจัดกลุ่มจะได้รับหนักและนุ่มในรูปต่อไปนี้ :