Please enable JavaScript.

Coggle requires JavaScript to display documents.

Cluster 分群 - Coggle Diagram

- - - - 將資料集合中的資料紀錄，又稱為資料點，加以分群成數個群集(cluster)
    - - 分析資料彼此間的相似程度
    - - 資料精簡-從每一個群集中挑選具有代表性的資料紀錄來進行後續的處理
      - 推斷假設的產生-推斷出所關注資料中可能存在的某些特性或現象
      - 推斷假設的驗證-對推斷假設作有效性的驗證
      - 歸屬預測-分群結果應用於未知分類之資料記錄,預測資料所歸屬的群集
    - - 醫學
      - 網路
      - 商業
      - 生物領域
      - 空間資料分析
      - 文件管理
    - - 相似度的計算與測量-計算資料點間相似的程度
      - 分群法的採用-挑選適當的分群演算法
      - 資料的表示-找出代表性資料維度來表示資料點
      - 評估分群的結果-對群集分析的結果進行評估
      - 群集的解釋-領域專家對分群結果做進一步解釋
  - - - 基本的演算法
        
        k-means
        
        k-modes
        
        PAM
      - 可減輕運算負擔方式
        
        CLARA
        
        CLARANS
    - - 類神經網路群聚分析法
      - 機率為基礎的群聚分析法
        
        EM
      - 方格為基礎的群聚分析法
        
        STING
        
        CLIQUE
      - 離群值分析法
      - 密度為基礎的群聚分析法
        
        DBSCAN
        
        CLIQUE
    - - 聚合式
        
        單一鏈結法
        
        完全鏈結法
        
        BIRCH
      - 分裂式
        
        DIANA
- - - - 2-將剩下的每一個資料分配至最近的重心,聚為同一
        個cluster
      - 3-以目前每一個cluster的資料為主,重新計算每一個
        cluster的平均值,找出新的重心
      - 1-隨機選定欲進行cluster的資料中k個資料,最初以
        這k個資料為各cluster的起始重心
      - 4:如果未符合收斂的基準,則至步驟2再執行一次演
        算法,直至收斂為止
    - - 將n個資料分至k個群(cluster)中,最後達成一個最佳化,也就是每一群之間的資料是最相似的,而群與群之間的相似度則是最小的