Was ist Clustering und erklärt seine Rolle beim Datamining?
Was ist Clustering und erklärt seine Rolle beim Datamining?

Video: Was ist Clustering und erklärt seine Rolle beim Datamining?

Video: Was ist Clustering und erklärt seine Rolle beim Datamining?
Video: k-Means Clusteranalyse: Einfach erklärt 2024, November
Anonim

Einführung. Es ist ein Data-Mining Technik, die verwendet wird, um die Datenelemente in ihr verwandte Gruppen. Clustering ist der Prozess der Partitionierung der Daten (oder Objekte) in dieselbe Klasse. Die Daten in einer Klasse sind ähnlicher wie jede einzelne außer denen in anderen Cluster.

Abgesehen davon, was nützt Clustering?

Clustering wird bei der Marktsegmentierung verwendet; wenn wir versuchen, Kunden zu bestrafen, die sich in Bezug auf Verhalten oder Attribute, Bildsegmentierung/-komprimierung ähnlich sind; wo wir versuchen, ähnliche Regionen zu gruppieren, dokumentieren Clusterbildung nach Themen usw.

Man kann sich auch fragen, warum verwenden wir die Clusteranalyse? Clusteranalyse kann ein leistungsstarkes Data-Mining-Tool für jede Organisation sein, die einzelne Kundengruppen, Verkaufstransaktionen oder andere Arten von Verhaltensweisen und Dingen identifizieren muss. Versicherungsanbieter verwenden beispielsweise Clusteranalyse um betrügerische Forderungen aufzudecken, und Banken verwenden es für die Kreditwürdigkeitsprüfung.

Außerdem, was ist Clustering im Data Mining am Beispiel?

Clustering ist der Prozess, eine Gruppe abstrakter Objekte in Klassen ähnlicher Objekte zu verwandeln. EIN Cluster von Daten Objekte können als eine Gruppe behandelt werden. Währenddessen Cluster Analyse zerlegen wir zuerst die Menge von Daten in Gruppen basierend auf Daten Ähnlichkeit und weisen Sie den Gruppen dann die Labels zu.

Warum K bedeutet, dass Clustering verwendet wird?

Geschäftsanwendungen. Die K - bedeutet, dass der Clustering-Algorithmus verwendet wird um Gruppen zu finden, die in den Daten nicht explizit gekennzeichnet wurden. Das kann sein Gebraucht um Geschäftsannahmen darüber zu bestätigen, welche Arten von Gruppen existieren, oder um unbekannte Gruppen in komplexen Datensätzen zu identifizieren.

Empfohlen: