Критерийная функция кластеризации

Опубликовано: 23 Июля, 2021

Кластерная экспертиза разделяет информацию на группы (кластеры), которые являются важными, ценными или и тем, и другим. Если целью являются значительные сгустки, на этом этапе кластеры должны отражать общую структуру информации. В некоторых случаях, как бы то ни было, кластерное расследование является как бы ценной отправной точкой для других целей, таких как обобщение информации.

Отличная стратегия кластеризации создаст кластеры высокого качества, в которых качество результата кластеризации также зависит как от степени подобия, используемой стратегией, так и от ее использования. Качество стратегии кластеризации дополнительно измеряется ее способностью находить несколько или все скрытые конструкции.

Чтобы повысить качество кластеризации любого набора распределенной информации, используется измерение работы.

  1. Рассмотрим набор B = {x1, x2, x3… xn}, содержащий «n» тестов, который точно разделен на «t» непересекающихся подмножеств, то есть B1, B2,… .., Bt.
  2. Основная особенность этих подмножеств заключается в том, что каждое подмножество людей обращается к кластеру.
  3. Образцы внутреннего кластера будут сравниваться друг с другом и отличаться от тестов в других кластерах.
  4. Чтобы сделать это возможным, используются базовые возможности в соответствии с произошедшими обстоятельствами.

Критерийная функция для кластеризации -

  1. Функция внутреннего критерия - этот класс группировки представляет собой представление внутри кластера. Внутренняя базовая работа увеличивает емкость и измеряет характер группировки различных групп, которые уникальны по отношению друг к другу.
  2. Функция гибридного критерия - эта работа используется, потому что она способна одновременно оптимизировать возможности модели для множества людей, что совсем не похоже на внутреннюю базовую работу и внешнюю базовую работу.
  3. Функция внешнего критерия - этот урок по методу кластеризации представляет собой межклассовое представление. External Basis Work оптимизирует работу и измеряет качество кластеризации различных кластеров, которые отличаются друг от друга.