What are the weaknesses of K-Mean Clustering? Similar to other algorit การแปล - What are the weaknesses of K-Mean Clustering? Similar to other algorit ไทย วิธีการพูด

What are the weaknesses of K-Mean C

What are the weaknesses of K-Mean Clustering?
Similar to other algorithm, K-mean clustering has many weaknesses:
ƒ When the numbers of data are not so many, initial grouping will determine the cluster significantly.
ƒ The number of cluster, K, must be determined before hand.
ƒ We never know the real cluster, using the same data, if it is inputted in a different way may produce
different cluster if the number of data is a few.
ƒ We never know which attribute contributes more to the grouping process since we assume that each
attribute has the same weight.
One way to overcome those weaknesses is to use K-mean clustering only if there are available many data
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
จุดอ่อนของคลัสเตอร์ K-หมายความว่ามีอะไรบ้าง
คล้ายกับอัลกอริทึมอื่น ๆ คลัสเตอร์ K-หมายความว่ามีจุดอ่อนมากมาย:
เมื่อจำนวนข้อมูลไม่มาก เริ่มจัดการคลัสเตอร์มากขึ้น
หมายเลขของคลัสเตอร์ K ต้องถูกกำหนดก่อนถึงมือ
เราไม่เคยรู้ว่าคลัสเตอร์จริง ใช้ข้อมูลเดียวกัน ถ้ามันมีระบุใน แบบอื่นอาจผลิต
คลัสต่าง ๆ ถ้ามีจำนวนข้อมูลน้อย
เราไม่เคยรู้คุณลักษณะที่สนับสนุนเพิ่มเติมเพื่อการจัดกลุ่มเนื่องจากเราสมมุติว่าแต่ละ
แอตทริบิวต์มีน้ำหนักเดียวกัน
เที่ยวเดียวเพื่อเอาชนะจุดอ่อนเหล่านั้นจะใช้คลัสเตอร์ K-หมายความว่าเมื่อมีข้อมูลจำนวนมาก
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
? สิ่งที่จุดอ่อนของ K-หมายถึงการจัดกลุ่มที่
คล้ายกับขั้นตอนวิธีการอื่น ๆ K-หมายถึงการจัดกลุ่มมีจุดอ่อนหลาย
? เมื่อตัวเลขของข้อมูลที่ไม่ได้มีจำนวนมากดังนั้นการจัดกลุ่มเริ่มต้นจะกำหนดกลุ่มอย่างมีนัยสำคัญ
? จำนวนของกลุ่ม K จะต้องได้รับการพิจารณาก่อนที่มือ
? เราไม่เคยรู้คลัสเตอร์จริงโดยใช้ข้อมูลเดียวกันหากมีการป้อนในทางที่แตกต่างกันอาจผลิต
กลุ่มที่แตกต่างกันถ้าจำนวนของข้อมูลที่มีไม่กี่
? เราไม่เคยทราบว่าคุณลักษณะส่วนมากขึ้นในขั้นตอนการจัดกลุ่มตั้งแต่เราคิดว่าแต่ละ
แอตทริบิวต์มีน้ำหนักเดียวกัน
วิธีการหนึ่งที่จะเอาชนะจุดอ่อนเหล่านั้นคือการใช้ K-หมายถึงการจัดกลุ่มเฉพาะในกรณีที่มีข้อมูลจำนวนมากที่มี
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
อะไรคือจุดอ่อนของ k-mean clustering ?
คล้ายกับขั้นตอนวิธีอื่น ๆ k-mean การจัดกลุ่มมีจุดอ่อนมากมาย :
เจ้าเมื่อตัวเลขของข้อมูลไม่เยอะมาก กลุ่มแรกจะกำหนดกลุ่มอย่างมีนัยสำคัญ
เจ้าหมายเลขของกลุ่มเค ต้องได้รับการพิจารณาก่อน
เจ้าเราไม่เคยรู้กลุ่มจริง โดยใช้ข้อมูลเดียวกัน ถ้ามันเป็นข้อมูลในแบบต่าง ๆ อาจผลิต
ที่แตกต่างกัน กลุ่ม ถ้าจำนวนข้อมูลมีไม่กี่
เจ้าเราไม่เคยรู้ซึ่งคุณลักษณะจัดสรรเพิ่มเติมเพื่อการจัดกลุ่มกระบวนการตั้งแต่เราคิดว่าแต่ละ
คุณลักษณะมีน้ำหนักเดียวกัน
วิธีหนึ่งที่จะเอาชนะจุดอ่อนนั้นคือการใช้ k-mean ข้อมูลเท่านั้น หากมีข้อมูลมากมาย
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: