Please enable JavaScript.

Coggle requires JavaScript to display documents.

Cluster 分群 - Coggle Diagram

- - - - 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記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
    - - 分群法的採用:挑選適當的分群演算法
      - 評估分群的結果:對群集分析的結果進行評估
      - 相似度的計算與測量:計算資料點間相似的程度
      - 群集的解釋:領域專家對分群結果做進一步解釋
      - 資料的表示:找出代表性資料維度來表示資料點
    - - 連續或區間數值
        
        歐幾里德距離
        
        曼哈頓距離
        
        Minkowski距離
        
        加權式距離衡量方式
      - 其他類型值
        
        名目變數的相似度計算
        
        二元變數值之相似度衡量方法
        
        等級變數之相似度衡量方法
  - - - 方格
        
        ─STING演算法
      - 密度
        
        ─DBSCAN演算法與CLIQUE演算法
      - 類神經網路機率
        
        ─EM演算法
      - 分析離群值