Data Mining - Cluster analysis: Advanced methods

33 flashcards · Computer Science · by ehartl

  1. Was ist Co-Clustering?

    Co-Clustering, auch bekannt als Biclustering, ist ein Clustering-Ansatz, der gleichzeitig Zeilen und Spalten einer Matrix gruppiert, was besonders nützlich ist für Daten, die als Matrix dargestellt werden können, wie z.B. Dokument-Wort-Matrizen.

  2. Was ist Ensemble-Clustering?

    Ensemble-Clustering ist ein Clustering-Ansatz, der mehrere verschiedene Clustering-Algorithmen oder mehrere Läufe des gleichen Algorithmus kombiniert, um ein robustes und stabiles Clustering-Ergebnis zu erzielen.

  3. Was ist der SUBCLU-Algorithmus?

    Der SUBCLU-Algorithmus (SUBspace CLUstering) ist ein Subspace-Clustering-Algorithmus, der dichte Cluster in allen möglichen Unterräumen der Daten findet, indem er eine Tiefensuche durchführt.

  4. Was ist der CLIQUE-Algorithmus?

    Der CLIQUE-Algorithmus (Clustering In QUEst) ist ein automatischer Subspace-Clustering-Algorithmus, der den hochdimensionalen Raum in Unterräume unterschiedlicher Dimensionen unterteilt und dichte Einheiten in diesen Unterräumen identifiziert.

  5. Was ist der PROCLUS-Algorithmus?

    Der PROCLUS-Algorithmus (PROjected CLUStering) ist ein Subspace-Clustering-Algorithmus, der versucht, Cluster von Punkten zu finden, die in Unterräumen des ursprünglichen Merkmalsraums liegen.

  6. Was ist der MAFIA-Algorithmus?

    Der MAFIA-Algorithmus (Merging Adaptive from Iterative Adjustment) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Anpassung und Zusammenführung von Clustern basiert, um Cluster in hochdimensionalen Daten zu finden.

  7. Was ist eine Cluster-Hierarchie?

    Eine Cluster-Hierarchie ist eine Darstellung der Cluster, bei der Cluster in verschiedenen Ebenen der Hierarchie enthalten sein können, was bedeutet, dass ein Cluster Untersetze anderer Cluster sein kann.

  8. Was ist ein Outlier in der Clusteranalyse?

    Ein Outlier in der Clusteranalyse ist ein Datenpunkt, der sich signifikant von den anderen Datenpunkten unterscheidet und in keinen der identifizierten Cluster passt.

  9. Was ist High-Dimensional Clustering?

    High-Dimensional Clustering bezieht sich auf das Clustering von Daten, die in einem hochdimensionalen Raum existieren, was besonders herausfordernd ist wegen des sogenannten "Fluch der Dimensionalität".

  10. Was ist der Fluch der Dimensionalität?

    Der Fluch der Dimensionalität bezieht sich auf verschiedene Phänomene, die auftreten, wenn Daten in einem hochdimensionalen Raum analysiert werden, einschließlich der Zunahme des Volumens des Raumes, der Verringerung der Dichte der Daten und der Gleichwertigkeit von Abständen.

  11. Was ist Subspace-Clustering?

    Subspace-Clustering ist ein Ansatz für das High-Dimensional Clustering, bei dem Cluster in verschiedenen Unterräumen oder Teilbereichen des hochdimensionalen Raumes identifiziert werden können.

  12. Was ist der STATPC-Algorithmus?

    Der STATPC-Algorithmus (STAble Tendency for Principal Components) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der stabilen Tendenz von Hauptkomponenten basiert, um Cluster in hochdimensionalen Daten zu finden.

  13. Was ist der SUBSCALE-Algorithmus?

    Der SUBSCALE-Algorithmus (SUBspace SCAling and LEarning) ist ein Subspace-Clustering-Algorithmus, der auf der Idee des Skalierens und Lernens in Unterräumen basiert, um Cluster in hochdimensionalen Daten zu finden.

  14. Was ist der COSA-Algorithmus?

    Der COSA-Algorithmus (Clustering Objects on Subsets of Attributes) ist ein Subspace-Clustering-Algorithmus, der auf der Idee des Clusterings von Objekten auf der Grundlage von Teilgruppen von Attributen basiert, um Cluster in hochdimensionalen Daten zu finden.

  15. Was ist der ERiC-Algorithmus?

    Der ERiC-Algorithmus (Exemplar Robustness in Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Robustheit von Exemplaren oder repräsentativen Punkten basiert, um Cluster in hochdimensionalen Daten zu finden.

  16. Was ist der ENCLUS-Algorithmus?

    Der ENCLUS-Algorithmus (Entropy-based Subspace Clustering for Mining Numerical Data) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Entropie-basierten Clusterbildung in Unterräumen basiert, um Cluster in hochdimensionalen Daten zu finden.

  17. Was ist der FASTDOC-Algorithmus?

    Der FASTDOC-Algorithmus (FAST Density-based Subspace Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der dichtebasierten Clusterbildung in Unterräumen basiert, um Cluster in hochdimensionalen Daten schnell zu finden.

  18. Was ist der HARP-Algorithmus?

    Der HARP-Algorithmus (Hierarchical Association Rule-based Pattern clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der hierarchischen Assoziationsregel-basierten Musterbildung basiert, um Cluster in hochdimensionalen Daten zu finden.

  19. Was ist der COPAC-Algorithmus?

    Der COPAC-Algorithmus (COrelation PAttern Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Korrelationsmuster zwischen Merkmalen basiert, um Cluster in hochdimensionalen Daten zu finden.

  20. Was ist der SUBCLU-Algorithmus?

    Der SUBCLU-Algorithmus (SUBspace CLUstering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der dichtebasierten Clusterbildung in Unterräumen basiert, um Cluster in hochdimensionalen Daten zu finden.

  21. Was ist der SYNC-Algorithmus?

    Der SYNC-Algorithmus (SYNchronous Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der synchronen Clusterbildung basiert, um Cluster in hochdimensionalen Daten zu finden.

  22. Was ist der PreDeCon-Algorithmus?

    Der PreDeCon-Algorithmus (Preference-Deletion-Connector-clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Präferenz von Merkmalen basiert, um Cluster in hochdimensionalen Daten zu finden.

  23. Was ist der CLIQUE-Algorithmus?

    Der CLIQUE-Algorithmus (Clustering In QUEst) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der automatischen Clusterbildung in Unterräumen basiert, um Cluster in hochdimensionalen Daten zu finden.

  24. Was ist der HiSC-Algorithmus?

    Der HiSC-Algorithmus (Hierarchical Subspace Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Hierarchie von Clustern basiert, um Cluster in hochdimensionalen Daten zu finden.

  25. Was ist der DiSH-Algorithmus?

    Der DiSH-Algorithmus (Detecting Subspace cluster Hierarchies) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Hierarchie von Clustern basiert, um Cluster in hochdimensionalen Daten zu finden.

  26. Was ist der 4C-Algorithmus?

    Der 4C-Algorithmus (Computing Correlation Connected Clusters) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Korrelation zwischen Merkmalen basiert, um Cluster in hochdimensionalen Daten zu finden.

  27. Was ist der HiCO-Algorithmus?

    Der HiCO-Algorithmus (Hierarchical Correlation Clustering) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Korrelation zwischen Merkmalen basiert, um Cluster in hochdimensionalen Daten zu finden.

  28. Was ist der DOC-Algorithmus?

    Der DOC-Algorithmus (Density of Connectivity) ist ein Subspace-Clustering-Algorithmus, der auf der Idee der Dichte von Verbindungen zwischen Punkten basiert, um Cluster in hochdimensionalen Daten zu finden.

  29. Was ist der INSCY-Algorithmus?

    Der INSCY-Algorithmus (Indexing Subspace Clusters with INSCY) ist ein Subspace-Clustering-Algorithmus, der auf einer effizienten Indexstruktur basiert, um Cluster in hochdimensionalen Daten zu finden, und dabei sowohl die Dichte als auch die Mindestzahl der Punkte in einem Cluster berücksichtigt.

  30. Was ist der FIRES-Algorithmus?

    Der FIRES-Algorithmus (Fast Incremental Subspace ClustERing) ist ein Subspace-Clustering-Algorithmus, der Cluster in hochdimensionalen Daten findet, indem er in jedem Schritt denjenigen Datenpunkt zum nächstgelegenen Cluster hinzufügt, der die größte Verbesserung der Clusterdichte ergibt.

  31. Was ist der P3C-Algorithmus?

    Der P3C-Algorithmus (Pruning, Projecting, and Packing) ist ein Subspace-Clustering-Algorithmus, der Cluster in hochdimensionalen Daten findet, indem er den Raum in hyperrechteckige Regionen unterteilt und dann Regionen, die nicht dicht genug sind, ausschließt.

  32. Was ist die Constraint-basierte Clusteranalyse?

    Constraint-basierte Clusteranalyse ist ein Clustering-Ansatz, bei dem vordefinierte Bedingungen oder Einschränkungen in den Clustering-Prozess einbezogen werden, um die resultierenden Cluster zu steuern.

  33. Was ist semiüberwachtes Clustering?

    Semiüberwachtes Clustering ist ein Clustering-Ansatz, der sowohl gelabelte als auch unglabelte Daten in den Clustering-Prozess einbezieht, um die Qualität der resultierenden Cluster zu verbessern.