Clustering analysis and outlier det

Clustering analysis and outlier detection are two important techniques widely
used in data mining and automatic knowledge discovery. Although research on
outlier analysis is relatively new in the area of data mining compared to data
clustering, they have both been addressed by many researchers and there exist
a large number of approaches to clustering and outlier analysis. While different
algorithms have their own strength in finding clusters and/or outliers, the performance
of a particular algorithm can be quite different with different datasets.
Therefore, the choice of clustering or outlier analysis methods depends on the
specific purpose of the application as well as the datasets available.

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์ตรวจสอบวิเคราะห์และ outlier เป็นเทคนิคสำคัญที่สองกันอย่างแพร่หลายใช้ในการทำเหมืองข้อมูลและการค้นพบความรู้โดยอัตโนมัติ แม้ว่างานวิจัยด้านวิเคราะห์ outlier จะค่อนข้างใหม่ในพื้นที่ของการทำเหมืองข้อมูลที่เปรียบเทียบกับข้อมูลคลัสเตอร์ พวกเขามีทั้งระบุ โดยนักวิจัยหลายคน และมีเป็นจำนวนมากของวิธีการวิเคราะห์การคลัสเตอร์และ outlier ในขณะที่แตกต่างกันอัลกอริทึมมีความแข็งแรงของตนเองในกลุ่ม หรือ outliers ประสิทธิภาพการทำงานของอัลกอริธึมแบบเฉพาะสามารถค่อนข้างแตกต่างกับชุดข้อมูลที่แตกต่างกันเลือกวิธีวิเคราะห์ outlier หรือคลัสเตอร์ขึ้นอยู่กับการระบุวัตถุประสงค์ของโปรแกรมที่เป็นชุดข้อมูลพร้อมใช้งาน

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์การจัดกลุ่มและการตรวจสอบค่าผิดปกติเป็นสองเทคนิคที่สำคัญกันอย่างแพร่หลาย
ที่ใช้ในการทำเหมืองข้อมูลและการค้นพบความรู้โดยอัตโนมัติ แม้ว่าการวิจัยเกี่ยวกับ
การวิเคราะห์ค่าผิดปกติเป็นเรื่องค่อนข้างใหม่ในพื้นที่ของการทำเหมืองข้อมูลเมื่อเทียบกับข้อมูล
การจัดกลุ่มพวกเขาทั้งสองได้รับการแก้ไขโดยนักวิจัยจำนวนมากและมีอยู่
เป็นจำนวนมากของวิธีการจัดกลุ่มและการวิเคราะห์ค่าผิดปกติ ในขณะที่ที่แตกต่างกัน
ขั้นตอนวิธีการมีความแข็งแรงของตัวเองในการหากลุ่มและ / หรือค่าผิดปกติประสิทธิภาพ
ของอัลกอริทึมโดยเฉพาะอย่างยิ่งจะค่อนข้างแตกต่างกับชุดข้อมูลที่แตกต่างกัน.
ดังนั้นทางเลือกของการจัดกลุ่มหรือการวิเคราะห์ค่าผิดปกติวิธีการขึ้นอยู่กับ
วัตถุประสงค์เฉพาะของการประยุกต์ใช้เช่นเดียวกับ ชุดข้อมูลที่มีอยู่

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลและการตรวจสอบค่าผิดปกติเป็นสองที่สำคัญเทคนิคกันอย่างแพร่หลายที่ใช้ในการทำเหมืองข้อมูลและการค้นพบความรู้โดยอัตโนมัติ ถึงแม้ว่าการวิจัยในการวิเคราะห์ค่าค่อนข้างใหม่ในพื้นที่ของข้อมูลเหมืองแร่เมื่อเทียบกับข้อมูลการจัดกลุ่มพวกเขาทั้งคู่ถูกระบุโดยนักวิจัยหลายคนและมีอยู่ตัวเลขขนาดใหญ่ของแนวทางการจัดกลุ่มและวิเคราะห์ค่า . ส่วนต่าง ๆขั้นตอนวิธีมีความแข็งแรงของตัวเองในการหากลุ่มและ / หรือผิดปกติ ประสิทธิภาพของขั้นตอนวิธีโดยเฉพาะอย่างยิ่งสามารถค่อนข้างแตกต่างกับข้อมูลที่แตกต่างกันดังนั้น ทางเลือกของการจัดกลุ่มหรือวิธีการวิเคราะห์ค่าขึ้นอยู่กับวัตถุประสงค์เฉพาะของโปรแกรมรวมทั้งข้อมูลที่พร้อมใช้งาน