الگوریتم CLASSIT؛ خوشهبندی مفهومی افزایشی برای دادههای عددی:بخش دوم
۱۰. تحلیل رفتاری و تبیین علمی ۱۰.۱ تفسیر هندسی اگرچه CLASSIT بهطور صریح فاصله اقلیدسی را کمینه نمیکند، فرض نرمال تکمتغیره و جمع معکوس پراکندگیها نوعی ترجیح برای خوشههای فشرده در راستای محورهای ویژگی ایجاد میکند. در فضای دوبعدی، گرهای با دو پراکندگی جداگانه عملاً یک توصیف محوری دارد. اگر خوشه واقعی بیضی چرخیده باشد […]
الگوریتم CLASSIT؛ خوشهبندی مفهومی افزایشی برای دادههای عددی:بخش اول
1.اهداف یادگیری پس از مطالعه این فصل، خواننده باید بتواند: 2.پیشنیازهای مفهومی پیشنیازهای آماری و ریاضی پیشنیازهای محاسباتی ۳. چکیده CLASSIT الگوریتمی بدون نظارت برای شکلگیری افزایشی مفهوم از دادههای عددی است. این روش نمونهها را یکییکی دریافت میکند و همزمان درختی سلسلهمراتبی میسازد که هر گره آن یک مفهوم احتمالاتی است. مفهوم هر گره […]