6.1.2 Objective evaluationTo perfor

6.1.2 Objective evaluation
To perform objective evaluation of the clustering, we had to select one of known qualitymeasures. Since the testing dataset wasn’t manually processed to assign a target cluster toeach data instance, we have to restrict our choice to internal quality measures. One of suchmeasures, aimed at hierarchical clustering, is a cophenetic correlation coefficient.This coefficient tells us, how well does the clustering represent the instances’ relationsbased on their distance. Two sets of values are compared: the instance distance matrix andthe distance of individual cluster in the dendogram. The calculation of the coefficient wasdone in MathWorks MATLAB, which contains necessary functions. The coefficient valuemay lie in an interval from 0 to 1, where 1 indicates an absolute correlation of clusters’distances with the instances’ distance.We have performed several experiments on the same dataset as in the previous section.There were two elementary properties, whose impact on the clustering we have tested: thedistance function formulasection 4.5and the cluster distance metric of the hierarchicalclusteringsubsubsection 3.2.1.2

Kết quả (Việt) 1:

6.1.2 khách quan đánh giáĐể thực hiện đánh giá khách quan của các cụm, chúng tôi đã chọn một được biết đến qualitymeasures. Kể từ khi số liệu thử nghiệm không được xử lý theo cách thủ công để gán cho một mục tiêu nhóm toeach dữ liệu ví dụ, chúng ta phải hạn chế sự lựa chọn của chúng tôi tới biện pháp nội bộ chất lượng. Một trong suchmeasures, nhằm mục đích phân cấp clustering, là một sự tương quan cophenetic coefficient. Coefficient nói với chúng tôi, tốt như thế nào làm này đại diện cho kết cụm các trường hợp relationsbased vào khoảng cách của họ. Hai bộ của các giá trị được so sánh: ma trận khoảng cách thể hiện và khoảng cách của cụm sao cá nhân trong dendogram. Tính toán của wasdone coefficient trong MathWorks MATLAB, chứa các chức năng cần thiết. Coefficient valuemay nằm trong một khoảng thời gian từ 0 tới 1, nơi 1 cho thấy một sự tương quan tuyệt đối của clusters'distances với khoảng cách các trường hợp. Chúng tôi đã thực hiện một số thử nghiệm trên số liệu tương tự như trong phần trước. Đã có hai thuộc tính cơ bản, có tác động vào các cụm, chúng tôi đã thử nghiệm: thedistance chức năng formulasection 4.5and cụm mét khoảng cách của hierarchicalclusteringsubsubsection 3.2.1.2

Kết quả (Việt) 2:

6.1.2 Mục tiêu đánh giá
Thực hiện đánh giá khách quan của các phân nhóm, chúng tôi phải chọn một trong qualitymeasures biết. Kể từ khi các số liệu thử nghiệm đã không được chế biến thủ công để gán một cụm mục tiêu dụ dữ liệu toeach, chúng ta phải hạn chế sự lựa chọn của chúng tôi để các biện pháp chất lượng nội bộ. Một trong suchmeasures, nhằm phân nhóm theo thứ bậc, là một tương quan cophenetic COE ffi cient.This COE ffi cient nói với chúng ta, cũng như thế nào các phân nhóm đại diện cho các trường hợp 'relationsbased vào khoảng cách của họ. Hai bộ giá trị được so sánh: khoảng cách dụ ma trận andthe khoảng cách của cụm cá nhân trong dendogram. Các tính toán của COE ffi cient wasdone trong MathWorks MATLAB, trong đó có chứa các chức năng cần thiết. Các cient COE ffi valuemay nằm trong một khoảng thời gian 0-1, trong đó 1 cho thấy một mối tương quan tuyệt đối của clusters'distances với distance.We của trường hợp đã thực hiện một số thí nghiệm trên bộ dữ liệu tương tự như trong section.There trước đó đã được hai thuộc tính cơ bản, có tác động vào các phân nhóm chúng tôi đã thử nghiệm: thedistance chức năng formulasection 4.5and khoảng cách cụm số liệu của hierarchicalclusteringsubsubsection 3.2.1.2