Guruh talabasi Uzbekov Baxtiyor

10.7. Xulosa
■ Klaster - bir klaster ichida bir-biriga o'xshash va boshqa klasterlardagi ob'ektlarga o'xshamaydigan ma'lumotlar ob'ektlari to'plami. Jismoniy yoki mavhum ob'ektlar to'plamini o'xshash ob'ektlar sinflariga guruhlash jarayoni klasterlash deb ataladi.
■ Klaster tahlili keng qamrovli ilovalarga ega, jumladan, biznes razvedkasi, tasvir namunalarini aniqlash, veb-qidiruv, biologiya va xavfsizlik. Klaster tahlili ma'lumotlarni taqsimlash to'g'risida tushunchaga ega bo'lish uchun mustaqil ma'lumotlarni yig'ish vositasi sifatida yoki aniqlangan klasterlarda ishlaydigan boshqa ma'lumotlarni qazib olish algoritmlari uchun dastlabki ishlov berish bosqichi sifatida ishlatilishi mumkin.
■ Klasterlash ma'lumotlarni ishlab chiqishda dinamik tadqiqot sohasidir. Bu mashinani o'rganishda nazoratsiz o'rganish bilan bog'liq.
■ Klasterlash qiyin sohadir. Uning tipik talablari orasida miqyoslilik, har xil turdagi ma'lumotlar va atributlar bilan ishlash qobiliyati, ixtiyoriy shakldagi klasterlarni topish, kirish parametrlarini aniqlash uchun domen bilimlariga minimal talablar, shovqinli ma'lumotlar bilan ishlash qobiliyati, qo'shimcha klasterlar va boshqalar kiradi.
kiritish tartibiga befarqlik, yuqori o'lchamli ma'lumotlarni klasterlash qobiliyati, cheklovlarga asoslangan klasterlash, shuningdek, izohlash va foydalanish qulayligi.
■ Ko'plab klasterlash algoritmlari ishlab chiqilgan. Ularni bir nechta ortogonal jihatlar bo'yicha tasniflash mumkin, masalan, bo'linish mezonlari, klasterlarni ajratish, ishlatiladigan o'xshashlik o'lchovlari va klasterlash maydoni. Ushbu bobda quyidagi toifalarning asosiy fundamental klasterlash usullari muhokama qilinadi: bo'lish usullari, ierarxik usullar, zichlikka asoslangan usullar va tarmoqqa asoslangan usullar. Ba'zi algoritmlar bir nechta toifalarga tegishli bo'lishi mumkin.
■ Bo'lish usuli birinchi navbatda k bo'limning dastlabki to'plamini yaratadi, bu erda k parametri - quriladigan bo'limlar soni. Keyin u ob'ektlarni bir guruhdan ikkinchisiga ko'chirish orqali bo'linishni yaxshilashga harakat qiladigan iterativ ko'chirish texnikasidan foydalanadi. Odatda bo'linish usullariga k-o'rtacha, k-medoid va CLARANS kiradi.
■ Ierarxik usul berilgan ma'lumotlar ob'ektlarining ierarxik dekompozitsiyasini yaratadi. Usul ierarxik parchalanish qanday shakllanganiga qarab aglomerativ (pastdan yuqoriga) yoki bo'linuvchi (yuqoridan pastga) sifatida tasniflanishi mumkin. Birlashish yoki bo'linishning qattiqligini qoplash uchun ierarxik aglomeratsiya sifatini har bir ierarxik bo'linishda (masalan, Xameleonda) ob'ektlarning aloqalarini tahlil qilish yoki birinchi navbatda mikroklasterlashni amalga oshirish (ya'ni, ob'ektlarni "mikroklasterlarga" guruhlash) va keyin mikroklasterlarda iterativ ko'chirish kabi boshqa klasterlash usullari bilan ishlash (BIRCHda bo'lgani kabi).
■ Zichlikka asoslangan usul ob'ektlarni zichlik tushunchasiga asoslangan holda to'playdi. U klasterlarni qo'shni ob'ektlarning zichligiga ko'ra (masalan, DBSCAN-da) yoki zichlik funktsiyasi bo'yicha (masalan, DENCLUE-da) o'sadi. OPTICS - bu zichlikka asoslangan usul bo'lib, u ma'lumotlarning klasterlash strukturasining kengaytirilgan tartibini yaratadi.
■ To'rga asoslangan usul birinchi navbatda ob'ekt bo'shlig'ini to'r strukturasini tashkil etuvchi chekli sonli katakchalarga kvantlashtiradi va keyin grid strukturasida klasterlashni amalga oshiradi. STING - bu grid hujayralarida saqlanadigan statistik ma'lumotlarga asoslangan gridga asoslangan usulning odatiy namunasidir. CLIQUE - bu gridga asoslangan va pastki fazoli klasterlash algoritmi.
■ Klasterni baholash ma'lumotlar to'plami bo'yicha klaster tahlilining maqsadga muvofiqligini va klasterlash usuli bilan yaratilgan natijalar sifatini baholaydi. Vazifalar klasterlashish tendentsiyasini baholash, klasterlar sonini aniqlash va klasterlash sifatini o'lchashni o'z ichiga oladi.