In many practical applications, it

In many practical applications, it is very important to select a good feature extraction method (not necessarily the best clustering algorithm) that highlights the underlying structure of the dataset from clustering aspect.
•
Many practical datasets contain patterns which are similar and overlapping in nature. In such cases the transformed domain information of the dataset can be effectively used to group the patterns.
•
Data clustering determines a group of patterns in a dataset which are homogeneous in nature.

ผลลัพธ์ (ไทย) 1:

ปฏิบัติงาน มันเป็นสิ่งสำคัญมากในการเลือกวิธีสกัดคุณลักษณะที่ดี (ไม่จำเป็นต้องดีสุดอัลกอริธึม clustering) ที่เน้นโครงสร้างพื้นฐานของชุดข้อมูลจากคลัสเตอร์ด้าน•ชุดข้อมูลเป็นประโยชน์มากมายประกอบด้วยรูปแบบที่คล้ายกัน และซ้อนทับกันอยู่ในธรรมชาติ ในกรณี โดเมนรับการเปลี่ยนแปลงข้อมูลของชุดข้อมูลได้อย่างมีประสิทธิภาพใช้การจัดกลุ่มรูปแบบ•คลัสเตอร์ข้อมูลกำหนดกลุ่มของรูปแบบในการชุดข้อมูลซึ่งจะเหมือนในธรรมชาติ

ผลลัพธ์ (ไทย) 2:

ในการปฏิบัติงานจำนวนมากก็เป็นสิ่งสำคัญมากที่จะเลือกวิธีการสกัดคุณลักษณะที่ดี (ไม่จำเป็นต้องขั้นตอนวิธีการจัดกลุ่มที่ดีที่สุด) ที่เน้นโครงสร้างพื้นฐานของชุดข้อมูลที่ได้จากการจัดกลุ่มด้าน.
•
ชุดข้อมูลในทางปฏิบัติมีหลายรูปแบบที่มีความใกล้เคียงกันและทับซ้อนกันในธรรมชาติ ในกรณีดังกล่าวข้อมูลโดเมนเปลี่ยนของชุดข้อมูลที่สามารถนำมาใช้อย่างมีประสิทธิภาพให้กับกลุ่มรูปแบบ.
•
การจัดกลุ่มข้อมูลกำหนดกลุ่มของรูปแบบในชุดข้อมูลที่มีความเป็นเนื้อเดียวกันในธรรมชาติ

ผลลัพธ์ (ไทย) 3:

ในการใช้งานจริงมาก , มันเป็นสิ่งสำคัญมากที่จะเลือกคุณลักษณะที่ดีวิธีสกัด ( ไม่จําเป็นต้องดีที่สุดสำหรับอัลกอริทึม ) ที่เน้นถึงโครงสร้างของข้อมูลจากข้อมูลด้าน-ข้อมูลเป็นประโยชน์มาก มีลวดลายที่คล้ายคลึงกันและทับซ้อนกันในธรรมชาติ ในบางกรณีการเปลี่ยนแปลงข้อมูลโดเมนของข้อมูลสามารถใช้อย่างมีประสิทธิภาพเพื่อกลุ่มรูปแบบ-การจัดกลุ่มข้อมูลกำหนดกลุ่มของรูปแบบในชุดข้อมูลที่เป็นเนื้อเดียวกันในธรรมชาติ