The basic requirement for cluster a

The basic requirement for cluster analysis is to determine the number of clusters to be
formed by clustering algorithm. To achieve the solution for this, we used several information
criteria such as Akaike Information Criteria (AIC) [30] Bayesian Information
Criterion (BIC) [31] and Consistent AIC (CAIC) [32]. We generated 15 models for 1
cluster to 15 clusters. Figure 2 illustrates the evolution of BIC, AIC and CAIC for the 15
models generated. It shows that there is a reduction in the values of AIC, BIC and CAIC
with an increase in the number of clusters. Based on the Fig. 2 (a low score is considered
as good), we select the model with 6 clusters as there is no improvement after this. Our
selection also follows the approach used by previous studies [2, 24].

ผลลัพธ์ (ไทย) 1:

ความต้องการพื้นฐานสำหรับการวิเคราะห์คลัสเตอร์คือการ กำหนดเลขหมู่เป็นเกิดขึ้นจากอัลกอริทึมคลัสเตอร์ เพื่อให้การแก้ไขปัญหานี้ เราใช้หลายข้อมูลเกณฑ์เช่นข้อมูลทฤษฎีเงื่อนไขข้อมูล Akaike (AIC) [30]เกณฑ์ (BIC) [31] และสม่ำเสมอพรต (CAIC) [32] เราสร้างรุ่น 15 1ให้ 15 กลุ่มคลัสเตอร์ รูปที่ 2 แสดงให้เห็นถึงวิวัฒนาการของ BIC, AIC และ CAIC ที่ 15แบบจำลองที่สร้างขึ้น แสดงว่า มีการลดค่า AIC, BIC และ CAICด้วยการเพิ่มจำนวนของคลัสเตอร์ อิงตามบท 2 รูป (คะแนนต่ำเป็นเป็นดี), เราเลือกรูปแบบกับ 6 มีการปรับปรุงหลังจากนี้ ของเราเลือกนอกจากนี้ตามวิธีใช้ โดยการศึกษาก่อนหน้า [2, 24]

ผลลัพธ์ (ไทย) 2:

ความต้องการขั้นพื้นฐานสำหรับการวิเคราะห์กลุ่มคือการกำหนดจำนวนของกลุ่มที่จะ
เกิดขึ้นจากขั้นตอนวิธีการจัดกลุ่ม เพื่อให้เกิดการแก้ปัญหาสำหรับเรื่องนี้เราใช้ข้อมูลหลาย
เกณฑ์เช่นเกณฑ์ข้อมูล Akaike (AIC) [30] คชกรรมข้อมูล
เกณฑ์ (BIC) [31] และสอดคล้อง AIC (CAIC) [32] เราสร้าง 15 รุ่น 1
คลัสเตอร์ถึง 15 กลุ่ม รูปที่ 2 แสดงให้เห็นถึงวิวัฒนาการของ BIC, AIC และ CAIC สำหรับ 15
รุ่นสร้าง มันแสดงให้เห็นว่ามีการลดลงของค่านิยมของ AIC, BIC และ CAIC
กับการเพิ่มขึ้นในจำนวนของคลัสเตอร์ ขึ้นอยู่กับรูป 2 (คะแนนต่ำถือว่า
เป็นดี) เราเลือกรุ่นที่มี 6 กลุ่มที่มีไม่มีการปรับปรุงหลังจากนี้ เรา
เลือกยังตามวิธีการที่ใช้ในการศึกษาก่อนหน้านี้ [2, 24]