Data Mining - Cluster Analysis: Basic concepts and methods

33 flashcards · Computer Science · by ehartl

Was ist der Spectral-Clustering-Algorithmus?
Der Spectral-Clustering-Algorithmus ist ein Clustering-Algorithmus, der auf der Spektraltheorie von Matrizen und dem Konzept der Graphentheorie basiert, um Cluster zu identifizieren.
Was ist der Fuzzy-C-Means-Algorithmus?
Der Fuzzy-C-Means-Algorithmus ist ein Fuzzy-Clustering-Algorithmus, der ähnlich wie der k-Means-Algorithmus ist, aber anstatt jedem Datenobjekt ein einziges Cluster zuzuweisen, weist er jedem Objekt einen Zugehörigkeitsgrad für jedes Cluster zu.
Was ist das Fuzzy-Clustering?
Fuzzy-Clustering ist eine Art von Clustering, bei dem jedes Datenobjekt zu mehr als einem Cluster gehören kann, mit einem Zugehörigkeitsgrad für jedes Cluster.
Was ist die Mahalanobis-Distanz in der Clusteranalyse?
Die Mahalanobis-Distanz in der Clusteranalyse ist ein Maß für die Distanz oder Unähnlichkeit zwischen zwei Datenpunkten, das die Korrelation zwischen Merkmalen und die unterschiedliche Skalierung von Merkmalen berücksichtigt.
Was ist die Minkowski-Distanz in der Clusteranalyse?
Die Minkowski-Distanz in der Clusteranalyse ist eine Verallgemeinerung der Euclidean- und Manhattan-Distanzen, die einen zusätzlichen Parameter oder eine Ordnung verwendet, um die Wichtigkeit von Unterschieden in verschiedenen Dimensionen zu gewichten.
Was ist die Manhattan-Distanz in der Clusteranalyse?
Die Manhattan-Distanz in der Clusteranalyse ist ein Maß für die Distanz oder Unähnlichkeit zwischen zwei Datenpunkten, das auf der Summe der absoluten Differenzen ihrer Koordinaten basiert.
Was ist die Euclidean-Distanz in der Clusteranalyse?
Die Euclidean-Distanz in der Clusteranalyse ist ein Maß für die Distanz oder Unähnlichkeit zwischen zwei Datenpunkten, das auf dem Satz des Pythagoras basiert.
Was ist die Cosinus-Ähnlichkeit in der Clusteranalyse?
Die Cosinus-Ähnlichkeit in der Clusteranalyse ist ein Maß für die Ähnlichkeit zwischen zwei Datenpunkten, das auf dem Cosinus des Winkels zwischen zwei Vektoren basiert, die die Punkte repräsentieren.
Was ist die Jaccard-Ähnlichkeit in der Clusteranalyse?
Die Jaccard-Ähnlichkeit in der Clusteranalyse ist ein Maß für die Ähnlichkeit zwischen zwei Datenpunkten, das auf der Anzahl der gemeinsamen Merkmale basiert, geteilt durch die Gesamtzahl der einzigartigen Merkmale.
Was ist die Cophenetic-Korrelation in der Clusteranalyse?
Die Cophenetic-Korrelation in der Clusteranalyse ist ein Maß für die Übereinstimmung zwischen den tatsächlichen paarweisen Abständen der Datenpunkte und den Abständen, die durch das Dendrogramm der hierarchischen Clusterbildung repräsentiert werden.
Was ist der Davies-Bouldin-Index?
Der Davies-Bouldin-Index ist ein Maß für die Qualität eines Clustering-Ergebnisses, das das Verhältnis der durchschnittlichen Abstände innerhalb der Cluster zur Entfernung zwischen den Clustern bewertet.
Was ist der Dunn-Index?
Der Dunn-Index ist ein Maß für die Qualität eines Clustering-Ergebnisses, das das Verhältnis des kleinsten Abstands zwischen Punkten in verschiedenen Clustern zum größten Abstand zwischen Punkten im selben Cluster bewertet.
Was ist der Silhouette-Index?
Der Silhouette-Index ist ein Maß für die Qualität eines Clustering-Ergebnisses, das die Dichte und Trennung von Clustern in Bezug auf die durchschnittlichen Abstände innerhalb und zwischen den Clustern bewertet.
Was ist ein Clustering-Validitätsindex?
Ein Clustering-Validitätsindex ist eine Metrik, die verwendet wird, um die Qualität oder Gültigkeit eines Clustering-Ergebnisses zu bewerten.
Was ist ein Dendrogramm?
Ein Dendrogramm ist eine Baumstruktur, die das Ergebnis einer hierarchischen Clusteranalyse darstellt, wobei jede Verbindung oder Verzweigung die Fusion von zwei Clustern repräsentiert.
Was ist die Ward-Linkage Methode in der hierarchischen Clusteranalyse?
Die Ward-Linkage-Methode in der hierarchischen Clusteranalyse minimiert die Summe der quadrierten Abweichungen innerhalb aller Cluster. Es ist eine Variante des K-Means-Algorithmus in hierarchischer Form.
Was ist die Centroid-Linkage Methode in der hierarchischen Clusteranalyse?
Die Centroid-Linkage-Methode in der hierarchischen Clusteranalyse verwendet den Abstand zwischen den Zentroiden von zwei Clustern als den Abstand zwischen den Clustern.
Was ist die Average-Linkage Methode in der hierarchischen Clusteranalyse?
Die Average-Linkage-Methode in der hierarchischen Clusteranalyse verwendet den durchschnittlichen Abstand zwischen allen Paaren von Punkten in verschiedenen Clustern als den Abstand zwischen den Clustern.
Was ist die Complete-Linkage Methode in der hierarchischen Clusteranalyse?
Die Complete-Linkage-Methode, auch bekannt als "farthest neighbor" Methode, in der hierarchischen Clusteranalyse verwendet den größten Abstand zwischen zwei Punkten in verschiedenen Clustern als den Abstand zwischen den Clustern.
Was ist die Single-LinkageMethode in der hierarchischen Clusteranalyse?
Die Single-Linkage-Methode, auch bekannt als "nearest neighbor" Methode, in der hierarchischen Clusteranalyse verwendet den kleinsten Abstand zwischen zwei Punkten in verschiedenen Clustern als den Abstand zwischen den Clustern.
Was ist der CLARANS-Algorithmus?
Der CLARANS-Algorithmus (Clustering Large Applications based upon RANdomized Search) ist ein partitionierender Clustering-Algorithmus, der eine zufällige Suche verwendet, um das optimale Clustering zu finden.
Was ist der STING-Algorithmus?
Der STING-Algorithmus (Statistical Information Grid) ist ein gitterbasierter Clustering-Algorithmus, der statistische Informationen für jede Zelle im Gitter speichert und diese Informationen verwendet, um Cluster zu identifizieren.
Was ist der OPTICS-Algorithmus?
Der OPTICS-Algorithmus (Ordering Points To Identify the Clustering Structure) ist ein dichtkeitsbasierter Clustering-Algorithmus ähnlich wie DBSCAN, aber er erzeugt eine sortierte Darstellung der Datenbank, die seine Clusterstruktur repräsentiert.
Was ist der DBSCAN-Algorithmus?
Der DBSCAN-Algorithmus (Density-Based Spatial Clustering of Applications with Noise) ist ein dichtkeitsbasierter Clustering-Algorithmus, der Cluster auf der Grundlage von Dichtebereichen definiert.
Was ist der k-Medoids-Algorithmus?
Der k-Medoids-Algorithmus ist ein Clustering-Algorithmus ähnlich wie k-Means, aber anstatt den Durchschnitt (oder Mittelwert) der Punkte in einem Cluster zu verwenden, verwendet er den repräsentativsten Punkt (oder Medoid).
Was ist das k-Means-Clustering?
K-Means-Clustering ist ein algorithmisches Verfahren, bei dem Datenpunkte in k Gruppen auf der Grundlage von Merkmalsähnlichkeit unterteilt werden.
Was ist gitterbasiertes Clustering?
Gitterbasiertes Clustering ist eine Art von Clustering, bei dem der Datenraum in ein endliches Anzahl von Zellen oder Gittern unterteilt wird und die Clustering-Operation auf diesen Gittern durchgeführt wird.
Was ist dichtkeitsbasiertes Clustering?
Dichtkeitsbasiertes Clustering ist eine Art von Clustering, bei dem Cluster als dichte Regionen von Objekten in den Daten definiert werden, die von Regionen mit niedriger Dichte getrennt sind.
Was ist hierarchisches Clustering?
Hierarchisches Clustering ist eine Art von Clustering, bei dem eine Hierarchie von Clustern erstellt wird, die als Dendrogramm dargestellt wird.
Was ist partitionierendes Clustering?
Partitionierendes Clustering ist eine Art von Clustering, bei dem die Daten in nicht überlappende Untergruppen oder Cluster unterteilt werden, wobei jedes Objekt genau einem Cluster angehört.
Was sind die Haupttypen von Clustering?
Die Haupttypen von Clustering sind partitionierendes Clustering, hierarchisches Clustering, dichtkeitsbasiertes Clustering und gitterbasiertes Clustering.
Was ist ein Cluster?
Ein Cluster ist eine Gruppe von ähnlichen Objekten, die auf der Grundlage bestimmter Merkmale oder Eigenschaften gruppiert sind.
Was ist Clusteranalyse?
Clusteranalyse ist der Prozess der Gruppierung von ähnlichen Objekten in eine Gruppe, die als Cluster bezeichnet wird, wobei Objekte in verschiedenen Clustern voneinander verschieden sind.