The k-modes algorithm presented in

The k-modes algorithm presented in this paper is a simplification of the k-prototypes algorithm by only taking categorical attributes into account.// Therefore, weight g is no longer necessary in the algorithm because of the disappearance of SN. If numeric attributes are involved in a data set, we categories them using a method as described in (Anderberg 1973).// The biggest advantage of this algorithm is that it is scalable to very large data sets.// Tested with a health insurance data set consisting of half a million records and 34 categorical attributes, this algorithm has shown a capability of clustering the data set into 100 clusters in about a hour using a single processor of a Sun Enterprise 4000 computer.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึม k-โหมดที่นำเสนอในเอกสารนี้เป็นการรวบตัวของอัลกอริทึมแบบตัวอย่าง k โดยเฉพาะ โดยใช้แอตทริบิวต์ที่แน่ชัด account.// ดังนั้น g น้ำหนักจะไม่จำเป็นอีกต่อไปในอัลกอริทึมที่ มีการสูญหายของ SN ถ้าแอตทริบิวต์ตัวเลขเกี่ยวข้องในการชุดข้อมูล เราประเภทโดยใช้วิธีการเป็นอธิบายใน (Anderberg 1973) . / / ประโยชน์ที่ใหญ่ที่สุดของอัลกอริทึมนี้คือมันสามารถต่อขยายกับชุดข้อมูลขนาดใหญ่มากขึ้น / / ทดสอบกับสุขภาพการประกันชุดข้อมูลประกอบด้วยระเบียนล้านครึ่ง a และแอตทริบิวต์แน่ชัด 34 อัลกอริทึมนี้ได้แสดงความสามารถของชุดข้อมูลคลัสเตอร์ในคลัสเตอร์ 100 ในเกี่ยวกับชั่วโมงใช้ตัวประมวลผลเดียวขององค์กรอาทิตย์ 4000 คอมพิวเตอร์

ผลลัพธ์ (ไทย) 2:

อัลกอริทึม k โหมดที่แสดงอยู่ในเอกสารนี้เป็นความเรียบง่ายของขั้นตอนวิธี k-ต้นแบบโดยเพียงการคุณลักษณะเด็ดขาดเข้าบัญชี .// ดังนั้นกรัมน้ำหนักไม่จำเป็นในขั้นตอนวิธีการเพราะการหายตัวไปของ SN หากคุณลักษณะที่เป็นตัวเลขมีส่วนร่วมในชุดข้อมูลประเภทที่เราให้พวกเขาใช้วิธีการตามที่อธิบายไว้ใน (Anderberg 1973) .// ประโยชน์ที่ใหญ่ที่สุดของขั้นตอนวิธีนี้ก็คือมันสามารถปรับได้ชุดข้อมูลที่มีขนาดใหญ่มาก .// ทดสอบกับประกันสุขภาพ ข้อมูลชุดประกอบด้วยครึ่งล้านแผ่นและ 34 คุณลักษณะเด็ดขาดอัลกอริทึมนี้ได้แสดงให้เห็นความสามารถในการจัดกลุ่มข้อมูลที่กำหนดเป็น 100 กลุ่มในเวลาประมาณชั่วโมงโดยใช้หน่วยประมวลผลเดียวของซันเอ็นเตอร์ไพรส์ 4000 คอมพิวเตอร์

ผลลัพธ์ (ไทย) 3:

การ k-modes อัลกอริทึมที่นำเสนอในบทความนี้เป็นหนึ่งเดียวของ k-prototypes ขั้นตอนวิธีโดยเพียงการแอตทริบิวต์อย่างแท้จริงในบัญชี . / / ดังนั้น น้ำหนัก กรัม ไม่จำเป็นอีกต่อไป เพราะในขั้นตอนของการหายตัวไปของ SN . ถ้าคุณสมบัติตัวเลขที่เกี่ยวข้องในชุดข้อมูล เราประเภท พวกเขาใช้วิธีตามที่อธิบายไว้ใน ( anderberg 1973 )/ / ประโยชน์ที่ใหญ่ที่สุดของขั้นตอนวิธีนี้คือว่า มันยืดหยุ่นกับชุดข้อมูลที่มีขนาดใหญ่มาก . / / ทดสอบกับชุดข้อมูลหลักประกันสุขภาพประกอบด้วยครึ่งล้านระเบียน และ 34 อย่างแท้จริงคุณลักษณะขั้นตอนวิธีนี้ได้แสดงให้เห็นความสามารถของการจัดกลุ่มข้อมูลตั้งเป็น 100 กลุ่มประมาณชั่วโมง โดยใช้ตัวประมวลผลเดียวของดวงอาทิตย์ องค์กร , คอมพิวเตอร์