เมทริกซ์ความใกล้เคียง m คูณ m สำหรับจุดข้อมูล m สามารถกำหนดเป็นกราฟหนาแน่นซึ่งแต่ละโหนดเชื่อมโยงกับส่วนอื่นๆ และน้ำหนักของขอบระหว่างกลุ่มของโหนดบางกลุ่มจะเป็นไปตามความใกล้ชิดแบบคู่ แม้ว่าแต่ละอ็อบเจ็กต์จะมีวิธีการบางอย่างที่เหมือนกันกับอ็อบเจกต์อื่น แต่สำหรับชุดข้อมูลส่วนใหญ่ ออบเจ็กต์จะเหมือนกันอย่

CURE แสดงถึงการทำคลัสเตอร์โดยใช้ตัวแทน เป็นอัลกอริธึมการทำคลัสเตอร์ที่ใช้เทคนิคต่างๆ เพื่อสร้างแนวทางที่สามารถจัดการชุดข้อมูล ค่าผิดปกติ และคลัสเตอร์ที่มีสถาปัตยกรรมไม่เป็นทรงกลมและขนาดที่ไม่สม่ำเสมอ CURE กำหนดคลัสเตอร์โดยใช้จุดตัวแทนหลายจุดจากคลัสเตอร์ จุดเหล่านี้จะพิจารณาเรขาคณิตและสถาปัตยกรรมของ

ในการตรวจจับความผิดปกติ มีวัตถุประสงค์เพื่อค้นหาวัตถุที่แตกต่างจากวัตถุหลายชิ้น บ่อยครั้ง อ็อบเจ็กต์ผิดปกติถูกเรียกว่า ค่าผิดปกติ เนื่องจากในแผนภาพกระจายของข้อมูล วัตถุเหล่านี้อยู่ห่างจากจุดข้อมูลหลายจุด การตรวจจับความผิดปกติเรียกว่าการตรวจจับการเบี่ยงเบน เนื่องจากวัตถุผิดปกติมีค่าแอตทริบิวต์ที่เบี่

ในการตรวจจับความผิดปกติ มีวัตถุประสงค์เพื่อค้นหาวัตถุที่แตกต่างจากวัตถุหลายชิ้น บ่อยครั้ง อ็อบเจ็กต์ผิดปกติถูกเรียกว่า ค่าผิดปกติ เนื่องจากในแผนภาพกระจายของข้อมูล วัตถุเหล่านี้อยู่ห่างจากจุดข้อมูลหลายจุด การตรวจจับความผิดปกติเรียกว่าการตรวจจับการเบี่ยงเบน เนื่องจากวัตถุผิดปกติมีค่าแอตทริบิวต์ที่เบี่

การตรวจจับความผิดปกติมีประเด็นต่างๆ ดังนี้ - จำนวนแอตทริบิวต์ที่ใช้ในการกำหนดความผิดปกติ − คำถามของวัตถุใดสิ่งหนึ่งผิดปกติขึ้นอยู่กับคุณลักษณะแต่ละอย่างคือคำถามว่าค่าของวัตถุสำหรับแอตทริบิวต์นั้นผิดปกติหรือไม่ เนื่องจากวัตถุสามารถมีแอตทริบิวต์ได้หลายแบบ จึงมีค่าผิดปกติสำหรับแอตทริบิวต์ต่างๆ ได้ แต่

วิธีการทางสถิติคือแนวทางที่ใช้แบบจำลอง เช่น แบบจำลองถูกสร้างขึ้นสำหรับข้อมูล และวัตถุจะถูกคำนวณโดยพิจารณาว่าเหมาะสมกับแบบจำลองเพียงใด วิธีการทางสถิติส่วนใหญ่ในการตรวจหาค่าผิดปกตินั้นขึ้นอยู่กับการพัฒนาแบบจำลองการกระจายความน่าจะเป็นและการพิจารณาว่าวัตถุที่คล้ายคลึงกันนั้นอยู่ใต้แบบจำลองนั้นอย่างไร ค

กระบวนการมาตรฐานข้ามอุตสาหกรรมสำหรับการทำเหมืองข้อมูล (CRISP-DM) ได้รับการยอมรับว่าเป็นแนวทางในการสร้างมาตรฐานเพิ่มเติมสำหรับวิธีการ M&V และช่วยให้สามารถประมาณการประหยัดพลังงานได้อย่างมีประสิทธิภาพมากขึ้น มีแอพพลิเคชั่น CRISP-DM หลายตัวดังนี้ − ความเข้าใจทางธุรกิจ − โรงงานผลิตชีวการแพทย์ได้รับเลือก

การขุด Bitcoin กำหนดกระบวนการตรวจสอบและแทรกข้อมูลการทำธุรกรรมไปยังบัญชีแยกประเภทสาธารณะ หิ้งสาธารณะเรียกว่า blockchain เนื่องจากมีชุดของบล็อก Bitcoin เป็นเงินเสมือนที่ได้รับมูลค่าบางอย่าง และมูลค่าของมันไม่คงที่ ซึ่งจะเปลี่ยนแปลงไปตามเวลา ไม่มีหน่วยงานกำกับดูแล Bitcoin ที่จัดการธุรกรรม Bitcoin Bitc

อัลกอริธึม K-mean แบบแบ่งครึ่งเป็นการพัฒนาอย่างง่ายของอัลกอริทึม K-mean พื้นฐานที่ขึ้นอยู่กับแนวคิดง่ายๆ เช่น การหาคลัสเตอร์ K แยกชุดของบางจุดออกเป็นสองคลัสเตอร์ เลือกคลัสเตอร์ใดคลัสเตอร์หนึ่งเพื่อแยก ฯลฯ จนกว่าจะมีการสร้างคลัสเตอร์ K อัลกอริธึม k-mean สร้างพารามิเตอร์อินพุต k และแบ่งชุดของออบเจ็กต

การทำคลัสเตอร์แบบลำดับชั้นแบบ Agglomerative เป็นวิธีการทำคลัสเตอร์จากล่างขึ้นบน โดยที่คลัสเตอร์มีคลัสเตอร์ย่อย ซึ่งมีคลัสเตอร์ย่อยตามลำดับ เป็นต้น โดยเริ่มด้วยการค้นหาทุกอ็อบเจ็กต์ในคลัสเตอร์ จากนั้นจึงรวมคลัสเตอร์อะตอมเหล่านี้เป็นคลัสเตอร์ที่สูงขึ้นและสูงขึ้นจนมีบางอ็อบเจ็กต์ ในคลัสเตอร์เดียวหรือจน

วิธีการจัดกลุ่มแบบลำดับชั้นดำเนินการโดยการรวมออบเจ็กต์ข้อมูลเข้ากับแผนผังของคลัสเตอร์ อัลกอริทึมการจัดกลุ่มแบบลำดับชั้นเป็นแบบบนลงล่างหรือล่างขึ้นบน คุณสมบัติของเทคนิคการจัดกลุ่มตามลำดับชั้นที่แม่นยำนั้นเสื่อมถอยจากการขาดในการปรับปรุง เนื่องจากการตัดสินใจรวมหรือแยกเสร็จสมบูรณ์ มีองค์ประกอบต่าง ๆ ขอ

K-Means K-means clustering เป็นอัลกอริธึมการแบ่งพาร์ติชัน K-means สร้างข้อมูลใหม่ในชุดข้อมูลให้กับกลุ่มใหม่ที่สร้างขึ้นเพียงกลุ่มเดียว ข้อมูลหรือจุดข้อมูลถูกกำหนดให้กับคลัสเตอร์ที่อยู่ติดกันโดยใช้การวัดระยะทางหรือความคล้ายคลึงกัน ใน k-mean วัตถุจะถูกสร้างขึ้นที่จุดศูนย์กลางที่ใกล้ที่สุด มันสามารถ

ต่อไปนี้คือคุณลักษณะบางอย่างของข้อมูลที่อาจส่งผลกระทบอย่างมากต่อการวิเคราะห์คลัสเตอร์ซึ่งมีดังต่อไปนี้ - มิติสูง − ในชุดข้อมูลมิติสูง แนวความคิดแบบยุคลิดดั้งเดิมเรื่องความหนาแน่น ซึ่งเป็นจุดหลายจุดต่อปริมาตรหนึ่งหน่วยจะมีนัยสำคัญ โดยพิจารณาว่าเมื่อมิติข้อมูลหลายมิติเพิ่มขึ้น ปริมาตรจะเพิ่มขึ้นเรื่อ

กระบวนการรวมชุดของวัตถุทางกายภาพหรือนามธรรมเข้าในคลาสของวัตถุเดียวกันนั้นเรียกว่าการจัดกลุ่ม คลัสเตอร์คือชุดของออบเจ็กต์ข้อมูลที่เหมือนกันภายในคลัสเตอร์เดียวกันและแตกต่างจากออบเจ็กต์ในคลัสเตอร์อื่น คลัสเตอร์ของออบเจ็กต์ข้อมูลสามารถพิจารณารวมกันเป็นกลุ่มเดียวในหลายแอปพลิเคชัน การวิเคราะห์คลัสเตอร์เป็

อัลกอริทึมการจัดกลุ่มมีลักษณะต่างๆ ดังนี้ - การพึ่งพาคำสั่งซื้อ − สำหรับอัลกอริธึมหลายๆ แบบ คุณลักษณะและจำนวนของคลัสเตอร์ที่ผลิตอาจแตกต่างกันอย่างมาก อาจขึ้นอยู่กับลำดับในการประมวลผลข้อมูล แม้ว่าการป้องกันอัลกอริธึมดังกล่าวอาจดูน่าปรารถนา แต่บางครั้งการพึ่งพาลำดับก็เป็นเรื่องเล็กน้อยที่เชื่อมโยงกัน

ในการทำคลัสเตอร์แบบอิงต้นแบบ คลัสเตอร์คือกลุ่มของออบเจ็กต์ที่บางอ็อบเจ็กต์อยู่ใกล้กับต้นแบบที่แสดงถึงคลัสเตอร์มากกว่าต้นแบบของคลัสเตอร์อื่นๆ อัลกอริทึมการจัดกลุ่มตามต้นแบบอย่างง่ายที่ต้องการเซนทรอยด์ขององค์ประกอบในคลัสเตอร์เป็นต้นแบบของคลัสเตอร์ มีหลายวิธีในการจัดกลุ่มตามต้นแบบซึ่งมีดังต่อไปนี้ -

SOM แสดงถึงแผนผังคุณลักษณะการจัดระเบียบตนเอง เป็นวิธีการจัดกลุ่มและการสร้างภาพข้อมูลขึ้นอยู่กับมุมมองของโครงข่ายประสาทเทียม วัตถุประสงค์ของ SOM คือการค้นหาชุดของเซนทรอยด์ (เวกเตอร์อ้างอิงในคำศัพท์ SOM) และสร้างแต่ละออบเจ็กต์ในชุดข้อมูลไปยังเซนทรอยด์ที่สนับสนุนความใกล้ชิดที่สุดของวัตถุนั้น ในวิธีโครง

SOM แสดงถึงแผนผังคุณลักษณะการจัดระเบียบตนเอง เป็นเทคนิคการจัดกลุ่มและการสร้างภาพข้อมูลขึ้นอยู่กับมุมมองของโครงข่ายประสาทเทียม โดยไม่คำนึงถึงพื้นฐานโครงข่ายประสาทเทียมของ SOM เป็นเพียงการนำเสนอแบบง่ายๆ ในบริบทของการเปลี่ยนแปลงการจัดกลุ่มตามต้นแบบ อัลกอริทึมของ SOM มีดังนี้ - เริ่มต้นเซนทรอยด์

อัลกอริธึมการวิเคราะห์การเชื่อมโยงมีแนวโน้มที่จะสร้างรูปแบบจำนวนมาก ตัวอย่างเช่น แม้ว่าชุดข้อมูลจะมีเพียงหกรายการ แต่ก็สามารถสร้างกฎการเชื่อมโยงได้มากถึงหลายพันกฎที่เกณฑ์การสนับสนุนและความเชื่อมั่นที่เฉพาะเจาะจง เนื่องจากขนาดและมิติของฐานข้อมูลการเงินจริงอาจมีขนาดใหญ่ จึงสามารถลงเอยด้วยรูปแบบนับพันห

วิธีมาตรฐานในการจัดการปัญหา isomorphism ของกราฟคือการแมปแต่ละกราฟลงในการแสดงสตริงเฉพาะที่เรียกว่าโค้ดหรือป้ายกำกับตามรูปแบบบัญญัติ ป้ายกำกับตามรูปแบบบัญญัติมีคุณสมบัติที่ว่าหากกราฟสองกราฟเป็นแบบ isomorphic ดังนั้นโค้ดของกราฟควรเท่ากัน คุณสมบัตินี้ช่วยให้เราสามารถทดสอบ isomorphism ของกราฟโดยการวิเคร