In documentclassification, the clas

In document
classification, the classes (and their properties) are known
a priori, and documents are assigned to these classes;
whereas, in document clustering, the number, properties, or
membership (composition) of classes is not known in advance.
Thus, classification is an example of supervised machine
learning and clustering that of unsupervised machine learning
[12]. The well-known classical clustering techniques [3] like
k-means, Agglomerative hierarchical clustering are available
but limited in terms of quality of clusters which leads to the
motivation of the development of quantum inspired clustering
technique, where clusters are computed through the minima of
the potential function of the Schrödinger equation. This
scenario will be discussed in the next section

ผลลัพธ์ (ไทย) 1:

ในเอกสารการจำแนก การเรียน (และคุณสมบัติ) เป็นที่รู้จักแรกสุด และเอกสารกำหนดให้กับคลาสที่เหล่านี้ในขณะที่ ในเอกสารคลัสเตอร์ เลข คุณสมบัติ หรือ(องค์ประกอบ) เป็นสมาชิกของคลาสที่ไม่ทราบล่วงหน้าดังนั้น การจำแนกประเภทตัวอย่างการดูแลเครื่องการเรียนรู้ และคลัสเตอร์ที่คอยกำกับเครื่องเรียน[12] . ชอบรู้จักคลาสสิก clustering เทคนิค [3]ถึง clustering Agglomerative ลำดับชั้นมีจำกัดแต่ในแง่ของคุณภาพของคลัสเตอร์ซึ่งนำไปสู่การแรงบันดาลใจแรงจูงใจของการพัฒนาของควอนตัมคลัสเตอร์เทคนิค ที่คำนวณคลัสเตอร์ผ่าน minima ของการทำงานที่มีศักยภาพของสมการ Schrödinger นี้สถานการณ์จะกล่าวถึงในส่วนถัดไป

ผลลัพธ์ (ไทย) 2:

ในเอกสาร
การจำแนกชั้นเรียน (และคุณสมบัติของพวกเขา) เป็นที่รู้จักกัน
เบื้องต้นและเอกสารที่ได้รับมอบหมายให้ชั้นเรียนเหล่านี้
ในขณะที่ในการจัดกลุ่มเอกสารจำนวนคุณสมบัติหรือ
. สมาชิก (องค์ประกอบ) ของการเรียนไม่เป็นที่รู้จักล่วงหน้า
ดังนั้น จำแนกเป็นตัวอย่างของเครื่องภายใต้การดูแล
การเรียนรู้และการจัดกลุ่มที่ใกล้ชิดของเครื่องการเรียนรู้
[12] ที่รู้จักกันดีเทคนิคการจัดกลุ่มคลาสสิก [3] เช่น
K-หมายถึงการจัดกลุ่มตามลำดับชั้น Agglomerative มีอยู่
แต่ จำกัด ในแง่ของคุณภาพของกลุ่มซึ่งนำไปสู่
การสร้างแรงจูงใจในการพัฒนาของควอนตัมแรงบันดาลใจการจัดกลุ่ม
เทคนิคที่กลุ่มจะคำนวณผ่านน้อยของ
ฟังก์ชั่นที่มีศักยภาพของสมSchrödinger นี้
สถานการณ์จะมีการหารือในส่วนถัดไป

ผลลัพธ์ (ไทย) 3:

ในเอกสารหมวดหมู่ ชั้นเรียน ( และทรัพย์สิน ) รู้จักระหว่าง , และเอกสารที่ได้รับมอบหมายในชั้นเรียนเหล่านี้ขณะที่ในการจัดกลุ่มเอกสาร จำนวน คุณสมบัติ หรือสมาชิก ( องค์ประกอบ ) ของชั้นเรียนที่ไม่ทราบล่วงหน้าดังนั้น การเป็นตัวอย่างของเครื่องควบคุมการเรียนรู้และการแบ่งกลุ่มของเครื่อง unsupervised การเรียนรู้[ 12 ] คลาสสิกที่รู้จักกันดีสำหรับเทคนิค [ 3 ] เช่นk-means agglomerative การจัดกลุ่มลำดับชั้น , มีอยู่แต่จำกัดในแง่คุณภาพของกลุ่มซึ่งนำไปสู่แรงจูงใจในการพัฒนาของแรงบันดาลใจสำหรับควอนตัมเทคนิคที่กลุ่มจะทำผ่านไม่นี่ ม๊าของฟังก์ชันศักย์ของสมการของชเรอดิงเงอร์ . นี้สถานการณ์จะกล่าวถึงในหัวข้อถัดไป