Partitioning a large set of objects

Partitioning a large set of objects into homogeneous clusters is a
fundamental operation in data mining. The k-means algorithm is
best suited for implementing this operation because of its
efficiency in clustering large data sets. However, working only on
numeric values limits its use in data mining because data sets in
data mining often contain categorical values. In this paper we
present an algorithm, called k-modes, to extend the k-means
paradigm to categorical domains. We introduce new dissimilarity
measures to deal with categorical objects, replace means of
clusters with modes, and use a frequency based method to update
modes in the clustering process to minimise the clustering cost
function. Tested with the well known soybean disease data set
the algorithm has demonstrated a very good classification
performance. Experiments on a very large health insurance data
set consisting of half a million records and 34 categorical
attributes show that the algorithm is scalable in terms of both the
number of clusters and the number of records.

ผลลัพธ์ (ไทย) 1:

พาร์ทิชันชุดใหญ่ของวัตถุลงในคลัสเตอร์เหมือนเป็นการการดำเนินการพื้นฐานในการทำเหมืองข้อมูล เป็นอัลกอริทึมหมายถึง kเหมาะสมที่สุดสำหรับการดำเนินการนี้เนื่องจากการดำเนินงานของประสิทธิภาพในคลัสเตอร์ชุดข้อมูลขนาดใหญ่ อย่างไรก็ตาม การทำงานเท่านั้นค่าตัวเลขที่จำกัดการใช้ข้อมูลการทำเหมืองแร่เนื่องจากชุดข้อมูลข้อมูลการทำเหมืองแร่มักจะประกอบด้วยค่าที่แน่ชัด ในเอกสารนี้เราแสดงเป็นอัลกอริทึม เรียกว่า k-โหมด การขยายหมายถึง kกระบวนทัศน์การโดเมนแน่ชัด เราแนะนำ dissimilarity ใหม่วิธีการแทนมาตรการในการจัดการกับวัตถุที่แน่ชัดคลัสเตอร์ มีโหมด และใช้ความถี่วิธีการปรับปรุงวิธีการในกระบวนการระบบคลัสเตอร์เพื่อลดต้นทุนระบบคลัสเตอร์ฟังก์ชันการ ทดสอบกับชุดข้อมูลโรคถั่วเหลืองที่รู้จักกันดีอัลกอริทึมได้สาธิตการจัดประเภทที่ดีมากประสิทธิภาพของ การทดลองข้อมูลประกันสุขภาพมากชุดประกอบด้วยระเบียนล้านครึ่ง a และแน่ชัด 34แอตทริบิวต์แสดงว่าอัลกอริทึมแบบปรับขนาดได้ในทั้งสองจำนวนกลุ่มและจำนวนของระเบียน

ผลลัพธ์ (ไทย) 2:

แบ่งเป็นชุดใหญ่ของวัตถุลงในกลุ่มที่เป็นเนื้อเดียวกันคือการดำเนินงานพื้นฐานในการทำเหมืองข้อมูล อัลกอริทึม k หมายถึงเป็นที่เหมาะสมที่สุดสำหรับการดำเนินการดำเนินการนี้เนื่องจากการที่มีประสิทธิภาพในการจัดกลุ่มชุดข้อมูลขนาดใหญ่ อย่างไรก็ตามการทำงานเฉพาะในค่าตัวเลข จำกัด การใช้งานในการทำเหมืองข้อมูลเพราะชุดข้อมูลในการทำเหมืองข้อมูลมักจะมีค่าเด็ดขาด ในบทความนี้เรานำเสนอขั้นตอนวิธีการที่เรียกว่าโหมด k เพื่อขยาย k หมายถึงกระบวนทัศน์โดเมนเด็ดขาด เราแนะนำความแตกต่างใหม่มาตรการที่จะจัดการกับวัตถุเด็ดขาดเปลี่ยนวิธีการของกลุ่มด้วยโหมดและใช้ความถี่วิธีการที่ใช้ในการปรับปรุงรูปแบบในขั้นตอนการจัดกลุ่มเพื่อลดค่าใช้จ่ายในการจัดกลุ่มฟังก์ชั่น ผ่านการทดสอบกับข้อมูลโรคถั่วเหลืองที่รู้จักกันดีที่กำหนดขั้นตอนวิธีการได้แสดงให้เห็นถึงการจัดหมวดหมู่ที่ดีมากประสิทธิภาพ การทดลองในการประกันสุขภาพที่มีขนาดใหญ่มากข้อมูลชุดประกอบด้วยครึ่งล้านแผ่นและ 34 เด็ดขาดคุณลักษณะที่แสดงให้เห็นว่าอัลกอริทึมสามารถปรับได้ในแง่ของทั้งสองจำนวนกลุ่มและจำนวนของระเบียน

ผลลัพธ์ (ไทย) 3:

จัดชุดใหญ่ของวัตถุที่เป็นเนื้อเดียวกันกลุ่มเป็น
ปฏิบัติการพื้นฐานของการทำเหมืองข้อมูล การ k-means ขั้นตอนวิธีที่ดีที่สุดเหมาะสำหรับการใช้งานนี้

เพราะประสิทธิภาพในการจัดกลุ่มข้อมูลขนาดใหญ่ชุด อย่างไรก็ตาม การทำงานเฉพาะใน
ค่าตัวเลขจำกัดการใช้ในการทำเหมืองข้อมูล เพราะข้อมูลใน
การทำเหมืองข้อมูลมักจะประกอบด้วยค่าเป็นเด็ดขาด ในกระดาษนี้เรา
ใช้วิธีที่เรียกว่า k-modes เพื่อขยาย k-means
กระบวนทัศน์เพื่อโดเมนเป็นเด็ดขาด เราแนะนำมาตรการใหม่ที่จะจัดการกับความแตกต่าง

หมายความว่าวัตถุอย่างแท้จริง แทนของกลุ่มที่มีโหมด และใช้วิธีความถี่ขึ้นอยู่กับการปรับปรุง
โหมดในการจัดกลุ่มการจัดกลุ่มกระบวนการเพื่อลดต้นทุน
ฟังก์ชัน ทดสอบกับชุดข้อมูล
ถั่วเหลืองโรคที่รู้จักกันดีขั้นตอนวิธีนี้ได้แสดงให้เห็นประสิทธิภาพการจำแนก
ดีมาก การทดลองเกี่ยวกับประกันสุขภาพ ข้อมูลที่มีขนาดใหญ่มากประกอบด้วย
ตั้งครึ่งล้านระเบียน และ 34 เด็ดขาด
คุณลักษณะแสดงให้เห็นว่าวิธีการยืดหยุ่นในแง่ของทั้ง
จำนวนกลุ่มและจำนวนของระเบียน