B. Unsupervised Rather than definin

B. Unsupervised
Rather than defining training sets and carving out pieces of n-dimensional space, we define no classes beforehand and instead use statistical approaches to divide the n-dimensional space into clusters with the best separation using clustering algorithms. After that, we assign class names to those clusters. It is distinguished from supervised learning by the fact that there is no a priori output. The analyst requests the computer to examine the image and extract a number of spectrally distinct clusters. The result of unsupervised classification is not yet informative until the analyst determines the ground cover for each of the clusters. Common Unsupervised classification Methods are -
a. Simple One-Pass Clustering
b. K Means
c. Fuzzy
d. Minimum Distribution Angle
e. Adaptive Resonance

ผลลัพธ์ (ไทย) 1:

B. unsupervised แทนที่จะกำหนดชุดฝึก และแกะสลักออกชิ้นเนื้อที่ n มิติ เรากำหนดการสอนไว้ล่วงหน้า และแทน ใช้วิธีทางสถิติเพื่อแบ่งพื้นที่ n มิติคลัสเตอร์กับแยกสุดใช้อัลกอริทึมระบบคลัสเตอร์ หลังจากนั้น เรากำหนดชื่อคลากับคลัสเตอร์นั้น จะแตกต่างจากการเรียนรู้มีความจริงที่ว่ามีเป็น priori ไม่เป็นผล นักวิเคราะห์ขอคอมพิวเตอร์เพื่อตรวจสอบภาพ และแยกจำนวนคลัสเตอร์ทั้งหมด spectrally ผลของการจัดประเภท unsupervised ยังไม่ข้อมูลจนกว่านักวิเคราะห์กำหนดครอบคลุมพื้นสำหรับแต่ละกลุ่ม วิธีจัดประเภท Unsupervised มี- อ.อย่างหนึ่งผ่านคลัสเตอร์ b. K หมายถึง c. เอิบ d. มุมกระจายต่ำสุด e. การสั่นพ้องแบบอะแดปทีฟ

ผลลัพธ์ (ไทย) 2:

B. Unsupervised
แทนที่จะกำหนดชุดการฝึกอบรมและการแกะสลักออกชิ้นส่วนของพื้นที่ n มิติเรากำหนดไม่มีเรียนก่อนและแทนที่จะใช้วิธีการทางสถิติในการแบ่งพื้นที่ n มิติเข้าไปในกลุ่มที่มีการแยกที่ดีที่สุดโดยใช้ขั้นตอนวิธีการจัดกลุ่ม หลังจากนั้นเราจะกำหนดชื่อชั้นกับกลุ่มคนเหล่านั้น มันเป็นเรื่องที่แตกต่างจากการเรียนรู้ภายใต้การดูแลด้วยความจริงที่ว่าไม่มีเบื้องต้นเอาท์พุท นักวิเคราะห์ร้องขอคอมพิวเตอร์เพื่อตรวจสอบภาพและสารสกัดจากจำนวนของกลุ่มที่แตกต่างกันผี ผลของการจัดประเภทใกล้ชิดยังไม่ได้ให้ข้อมูลจนนักวิเคราะห์ระบุคลุมดินสำหรับแต่ละกลุ่ม วิธีการจัดหมวดหมู่ทั่วไป Unsupervised มี -
ง่ายๆ-Pass Clustering
ข K หมายถึง
ค ฟัซซี่
ง มุมกระจายขั้นต่ำ
อี Resonance Adaptive

ผลลัพธ์ (ไทย) 3:

ข. unsupervised
แทนที่จะกำหนดชุดการฝึกและแกะสลักออกชิ้นส่วนของ n-dimensional พื้นที่เรากำหนดไม่เรียนไว้ล่วงหน้า และแทนที่จะใช้วิธีการทางสถิติเพื่อแบ่งพื้นที่ n-dimensional เป็นกระจุกกับที่ดีที่สุดสำหรับการใช้อัลกอริทึม หลังจากที่เรากำหนดชื่อคลาสไปยังกลุ่มพวกนั้นมันแตกต่างจากการเรียนรู้แบบมีผู้สอนโดยข้อเท็จจริงที่ว่าไม่มีระหว่างผลผลิต นักวิเคราะห์ความต้องการคอมพิวเตอร์เพื่อศึกษาภาพลักษณ์และแยกจำนวนมากกว่ แตกกลุ่ม ผลของการจัดหมวดหมู่ไว้คนเดียวไม่ได้ จนนักวิเคราะห์ข้อมูลจะครอบคลุมพื้นของแต่ละกลุ่ม หมวดหมู่ทั่วไป unsupervised วิธี -
Aง่ายๆผ่านการจัดกลุ่ม
B
C
d . K วิธีการฟัซซี่สุดมุม
E
เรโซแนนซ์แบบกระจาย