Clustering algorithmsThere are nume

Clustering algorithms
There are numerous algorithms available for doing clustering. Theymay be categorized in various ways such as: hierarchical
(e.g. [46,59]) or partitional (e.g. [14,43]), deterministic or probabilistic (e.g. [9]), hard or fuzzy (e.g. [8,21]). Typically, these clustering
algorithms while providing summary statistics on the generated set of clusters (e.g. mean of each variable, distance between
clusters), do not provide easily interpretable detailed descriptions of the set of clusters that are generated. Further, for a
given dataset, different algorithms may give different sets of clusters, so it is never clear which algorithm and which parameter
settings (e.g. number of clusters) is the most appropriate. For as noted by Jain et al. [37]: ‘‘There is no clustering technique that is
universally applicable in uncovering the variety of structures present in multidimensional data sets”. They thus raised the questions:
‘‘How is the output of a clustering algorithm evaluated? What characterizes a ‘good’ clustering result and a ‘poor’ one?”
Ankerst et al. [2] also commented that ‘‘Most of the recent research related to the task of clustering has been directed towards
efficiency. The more serious problem, however, is effectivity, i.e. the quality or usefulness of the result”.

ผลลัพธ์ (ไทย) 1:

ขั้นตอนวิธีการจัดกลุ่ม
มีขั้นตอนวิธีการมากมายสำหรับการทำเช่นการจัดกลุ่ม theymay แบ่งในรูปแบบต่างๆเช่นลำดับชั้น
(เช่น [46,59]) หรือ partitional (เช่น [14,43]) กำหนดหรือความน่าจะเป็น (เช่น [9]) ยากหรือคลุมเครือ (เช่น [8,21] ) โดยปกติเหล่านี้การจัดกลุ่ม
ขั้นตอนวิธีการในขณะที่ให้สถิติสรุปเกี่ยวกับการสร้างชุดของกลุ่ม (เช่นความหมายของแต่ละตัวแปรระยะห่างระหว่างกลุ่ม
) ไม่ได้ให้คำอธิบายรายละเอียด interpretable ง่ายของชุดของกลุ่มที่ถูกสร้างขึ้น ต่อไปสำหรับชุด
กำหนดขั้นตอนวิธีการที่แตกต่างกันอาจจะทำให้ชุดที่แตกต่างของกลุ่มจึงเป็นสิ่งที่ไม่เคยชัดเจนซึ่งขั้นตอนวิธีการและการตั้งค่าพารามิเตอร์
(เช่นจำนวนของกลุ่ม) เป็นที่เหมาะสมที่สุด สำหรับเป็นที่สังเกตจาก jain ตอัล [37]:'' ไม่มีเทคนิคการจัดกลุ่มที่เป็น
สากลใช้ในการเปิดเผยความหลากหลายของโครงสร้างที่มีอยู่ในชุดข้อมูลหลายมิติ " พวกเขาจึงยกคำถาม:
'' วิธีการคือการส่งออกของขั้นตอนวิธีการจัดกลุ่มการประเมิน? สิ่งที่เป็นลักษณะเฉพาะของ 'ดี' ผลการจัดกลุ่มและ 'ดี' หรือไม่ "
ankerst ตอัล[2] นอกจากนี้ยังแสดงความคิดเห็นว่า'' ที่สุดของงานวิจัยล่าสุดที่เกี่ยวข้องกับงานของการจัดกลุ่มที่ได้รับโดยตรงต่อประสิทธิภาพ
ปัญหาที่รุนแรงมากขึ้น แต่เป็นบังคับเช่นคุณภาพหรือประโยชน์ของผล "

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมคลัสเตอร์
มีอัลกอริทึมต่าง ๆ สำหรับการทำคลัสเตอร์ Theymay ถูกจัดประเภทในรูปแบบต่าง ๆ เช่น: ลำดับ
(เช่น [46,59]) หรือ partitional (เช่น [14,43]), deterministic หรือ probabilistic (เช่น [9]), ฮาร์ดดิสก์ หรือเอิบ (เช่น [8,21]) ปกติ นี้คลัสเตอร์
อัลกอริทึมให้สรุปสถิติชุดสร้างขึ้น (เช่นเฉลี่ยของแต่ละตัวแปร กลุ่ม ห่างจากที่พักระหว่าง
คลัสเตอร์), ไม่มีคำอธิบายรายละเอียดได้ interpretable ชุดของคลัสเตอร์ที่สร้างขึ้น เพิ่มเติม สำหรับการ
รับชุดข้อมูล อัลกอริทึมต่าง ๆ อาจให้ค่าของคลัสเตอร์ ดังนั้นจึงไม่ชัดเจนซึ่งอัลกอริทึมและพารามิเตอร์ที่
การตั้งค่า (เช่นจำนวนของคลัสเตอร์) เหมาะสมสุดได้ สำหรับเสียงโดยเจน et al. [37]: มีเทคนิคไม่ระบบคลัสเตอร์ที่
หยุ่นในความหลากหลายของโครงสร้างอยู่ในชุดข้อมูลหลายมิติที่เปิดเจอทุ่นระเบิด " พวกเขาจึงยกคำถาม:
'' ว่าผลลัพธ์ของการประเมินขั้นตอนวิธีระบบคลัสเตอร์หรือไม่ ระบุว่าลักษณะผลลัพธ์ระบบคลัสเตอร์ 'ดี' และ 'ไม่ดี' หนึ่ง"
Ankerst et al [2] นอกจากนี้ยัง แสดงความคิดเห็นที่ '' ส่วนใหญ่เกี่ยวข้องกับงานของคลัสเตอร์การวิจัยล่าสุดได้รับคำแนะนำต่อ
ประสิทธิภาพ ปัญหารุนแรงมากขึ้น อย่างไรก็ตาม ได้ effectivity เช่นคุณภาพหรือประโยชน์ของผล"

ผลลัพธ์ (ไทย) 3:

อัลกอริธึมคลัสเตอร์
มีอัลกอริธึมจำนวนมากจัดให้บริการสำหรับการทำระบบคลัสเตอร์ theymay จะแบ่งออกได้เป็นวิธีการที่หลากหลายเช่นแบบลำดับชั้น
(เช่น [ 46,59 ])หรือ partitional (เช่น [ 14,43 ])รู้หรือ probabilistic (เช่น [ 9 ])หรือทำงานด้วยระบบ Fuzzy Logic (เช่น [ 8,21 ]) โดยทั่วไปแล้วระบบคลัสเตอร์สถิติ
ซึ่งจะช่วยอัลกอริธึมในขณะที่การให้ข้อมูลสรุปเหล่านี้ในการตั้งที่สร้างของคลัสเตอร์(เช่นหมายความว่าในแต่ละระดับระยะห่างระหว่าง
คลัสเตอร์)ไม่ได้จัดให้บริการได้อย่างง่ายดาย interpretable คำอธิบายโดยละเอียดของตั้งค่าของระบบคลัสเตอร์ซึ่งจะถูกสร้างขึ้น เพิ่มเติมสำหรับ dataset
ซึ่งจะช่วยให้อัลกอริธึมแตกต่างกันอาจทำให้ตั้งค่าที่แตกต่างของคลัสเตอร์เพื่อให้ไม่มีล้างซึ่งอัลกอริธึมและที่กำหนดค่าพารามิเตอร์
ซึ่งจะช่วยการตั้งค่า(หมายเลขเช่นของคลัสเตอร์)เป็นที่เหมาะสมที่สุด สำหรับที่ระบุโดย Jain et al . [ 37 ]"ไม่มีเทคนิคระบบคลัสเตอร์ที่มี
ซึ่งจะช่วยทำให้ใช้ได้ทั่วไปที่ใช้บังคับในคำมั่นว่าความหลากหลายของโครงสร้างในชุดข้อมูลประเด็น" พวกเขาจึงเกิดคำถาม:
"ได้อย่างไรมีเอาต์พุตของระบบคลัสเตอร์ที่อัลกอริธึมการประเมิน สิ่งที่ทำให้'ดี'คลัสเตอร์และส่งผลให้"คนจน'หนึ่งหรือไม่?"
ankerst et al .[ 2 ]ยังมีความเห็นว่า"การวิจัยเมื่อไม่นานมานี้ที่เกี่ยวข้องกับงานของระบบคลัสเตอร์มากที่สุดได้รับการส่งตรงไปยัง
ซึ่งจะช่วยเพิ่ม ประสิทธิภาพ ปัญหาความรุนแรงยิ่งขึ้นแต่ถึงอย่างไรก็ตามมีลาโดยไม่ได้รับค่าจ้างเช่นเป็นประโยชน์หรือ คุณภาพ ของผลที่ได้"