DissimilarityFundamental to cluster

Dissimilarity
Fundamental to clustering is a measure of similarity (or dissimilarity) of the objects
being clustered. Clustering seeks to group together those objects which are most
similar (or least dissimilar). The within-cluster dissimilarity can form the basis for
a loss function that clustering seeks to minimize, in much the same way that linear
regression seeks to minimize the sum of squared distances between observed and
fitted values.
Common measures of dissimilarity for continuous data include Euclidean distance

ผลลัพธ์ (ไทย) 1:

ความแตกต่างกัน
พื้นฐานของการจัดกลุ่มเป็นตัวชี้วัดของความคล้ายคลึงกัน (หรือความแตกต่างกัน) ของวัตถุ
ถูกกลุ่ม การจัดกลุ่มพยายามที่จะรวมกลุ่มวัตถุเหล่านั้นซึ่งเป็นส่วนใหญ่
ที่คล้ายกัน (หรือน้อยแตกต่างกัน) ความแตกต่างกันภายในกลุ่มสามารถสร้างพื้นฐานสำหรับการสูญเสีย
ฟังก์ชันการจัดกลุ่มที่พยายามที่จะลดการในลักษณะเดียวกับที่เชิงเส้น
ถดถอยพยายามที่จะลดผลรวมของระยะทางยกกำลังสองระหว่างค่าติดตั้งและสังเกต
.
มาตรการทั่วไปของความแตกต่างกันกับข้อมูลอย่างต่อเนื่องรวมถึงระยะทาง euclidean

ผลลัพธ์ (ไทย) 2:

Dissimilarity
พื้นฐานการคลัสเตอร์เป็นการวัดความคล้ายคลึงกัน (หรือ dissimilarity) วัตถุ
กำลังจับกลุ่มกัน คลัสเตอร์พยายามให้วัตถุเหล่านั้นซึ่งส่วนใหญ่
คล้ายกัน (หรืออย่างน้อยไม่เหมือน) Dissimilarity ภายในคลัสเตอร์สามารถเป็นพื้นฐานสำหรับ
สูญเสียฟังก์ชันที่คลัสเตอร์เพื่อลด ในมากเหมือนทางที่เส้น
ถดถอยจึงพยายามลดผลรวมของระยะทางยกกำลังสองระหว่างสังเกต และ
ค่า fitted.
ยุคลิดมีมาตรการทั่วไปของ dissimilarity สำหรับข้อมูลต่อเนื่อง

ผลลัพธ์ (ไทย) 3:

รูปลักษณ์ ภายนอก แล้วไม่เหมือนกันเลยก็ตาม
ขั้นพื้นฐานในการทำงานแบบคลัสเตอร์เป็นมาตรการที่มีลักษณะคล้ายคลึงกันถึง(หรือรูปลักษณ์ ภายนอก แล้วไม่เหมือนกันเลยก็ตาม)ของวัตถุที่
เป็นคลัสเตอร์ ระบบคลัสเตอร์ซึ่งช่วยป้องกันพยายามจะร่วมกันมีวัตถุที่เป็นอย่างมากเหมือนกัน
(หรืออย่างน้อยไม่เหมือนกัน) รูปลักษณ์ ภายนอก แล้วไม่เหมือนกันเลยก็ตาม ภายใน กลุ่มที่สามารถที่จะสร้างพื้นฐานสำหรับการทำงานการสูญเสีย
ซึ่งจะช่วยให้ระบบคลัสเตอร์พยายามจะลดจำนวนมากได้ด้วยวิธีเดียวกันที่ตามแนวยาว
( Log มุ่งที่จะลดจำนวนเงินที่จากระยะไกลบนสังเวียนระหว่างค่า
fitted และสังเกต.
มาตรการร่วมกันของรูปลักษณ์ ภายนอก แล้วไม่เหมือนกันเลยก็ตามสำหรับข้อมูลอย่างต่อเนื่องรวมถึงระยะห่างตามแบบยูคลิด