Առաջարկվող գրավիտացիոն մոդել: Այս բաժնում ներկայացվում է Centroid-ի վրա հիմնված դասակարգման նոր մոդել, այսինքն՝ գրավիտացիոն մոդելը (GM), որպեսզի հեշտությամբ հաղթահարի CBC-ի բնորոշ թերությունները (կամ կողմնակալությունները) դասի անհավասարակշռված տվյալների բազայում:
Ի՞նչ է ցենտրոիդների վրա հիմնված կլաստերավորումը:
Centroid-ի վրա հիմնված կլաստերավորում կազմակերպում է տվյալները ոչ հիերարխիկ կլաստերների՝ ի տարբերություն ստորև սահմանված հիերարխիկ կլաստերավորման: k-means-ը ամենաշատ կիրառվող ցենտրոիդների վրա հիմնված կլաստերավորման ալգորիթմն է: Centroid-ի վրա հիմնված ալգորիթմներն արդյունավետ են, բայց զգայուն են սկզբնական պայմանների և արտանետումների նկատմամբ:
Ի՞նչ է մոդելի վրա հիմնված կլաստերավորման վերլուծությունը:
Մոդելների վրա հիմնված կլաստերային վերլուծությունը կլաստերավորման նոր ընթացակարգ է՝ ուսումնասիրելու բնակչության տարասեռությունը՝ օգտագործելով վերջավոր խառնուրդի բազմաչափ նորմալ խտությունները:
Ի՞նչ է բաշխման մոդելի վրա հիմնված կլաստերավորումը:
Սահմանում. Մոդելի վրա հիմնված կլաստերավորումը վիճակագրական մոտեցում է տվյալների կլաստերավորմանը Դիտարկված (բազմփոփոխական) տվյալները ենթադրվում է, որ ստեղծվել են բաղադրիչ մոդելների վերջավոր խառնուրդից: Յուրաքանչյուր բաղադրիչ մոդելը հավանականության բաշխում է, սովորաբար պարամետրային բազմաչափ բաշխում:
Ի՞նչ են կլաստերավորման մոդելները:
Կլաստերի վերլուծությունը կամ կլաստերավորումը չվերահսկվող մեքենայական ուսուցման խնդիր է Այն ներառում է տվյալների մեջ բնական խմբավորման ավտոմատ հայտնաբերում: Ի տարբերություն վերահսկվող ուսուցման (օրինակ՝ կանխատեսող մոդելավորման), կլաստերավորման ալգորիթմները միայն մեկնաբանում են մուտքային տվյալները և գտնում բնական խմբեր կամ կլաստերներ առանձնահատկությունների տարածության մեջ:
