Nghiên cứu Khoa học

Phân cụm dữ liệu bằng thuật toán K-means-Clustering

Thuật toán K-means clustering (phân cụm K-means) thuộc lớp phương pháp Học không giám sát (Unsupervised Learning) trong học máy (Machine Learning). Có rất nhiều định nghĩa khác nhau về kỹ thuật này, nhưng về bản chất ta có thể hiểu phân cụm là các qui trình tìm cách nhóm các đối tượng đã cho vào các cụm (clusters), sao cho các đối tượng trong cùng 1 cụm tương tự (similar) nhau và các đối tượng khác cụm thì không tương tự (Dissimilar) nhau.

Mục đích của phân cụm là tìm ra bản chất bên trong các nhóm của dữ liệu. Các thuật toán phân cụm (Clustering Algorithms) đều sinh ra các cụm (clusters). Tuy nhiên, không có tiêu chí nào là được xem là tốt nhất để đánh giá hiệu quả của của phân tích phân cụm, điều này phụ thuộc vào mục đích của phân cụm như: data reduction, “natural clusters”, “useful” clusters, outlier detection...

Xem tiếp trong file đính kèm.

Các tin khác

• Giới thiệu Contrast và Brightness trong ảnh số
• XÂY DỰNG ỨNG DỤNG GAME 2D ĐA NỀN TẢNG VỚI COCOS2D-X GAME ENGINE
• ĐIỀU KHIỂN BÀN PHÍM PS2 SỬ DỤNG FPGA
• Chương trình điều khiển máy cho ca ăn tự động
• Mã QR code