Clustering allows a user to make gr

Clustering allows a user to make groups of data to determine patterns from the data. Clustering has its advantages when the data set is defined and a general pattern needs to be determined from the data. You can create a specific number of groups, depending on your business needs. One defining benefit of clustering over classification is that every attribute in the data set will be used to analyze the data. (If you remember from the classification method, only a subset of the attributes are used in the model.) A major disadvantage of using clustering is that the user is required to know ahead of time how many groups he wants to create. For a user without any real knowledge of his data, this might be difficult. Should you create three groups? Five groups? Ten groups? It might take several steps of trial and error to determine the ideal number of groups to create.
However, for the average user, clustering can be the most useful data mining method you can use. It can quickly take your entire set of data and turn it into groups, from which you can quickly make some conclusions. The math behind the method is somewhat complex and involved, which is why we take full advantage of the WEKA.

Kết quả (Việt) 1:

Clustering cho phép người dùng để làm cho nhóm của dữ liệu để xác định các mô hình từ các dữ liệu. Cụm có lợi thế của nó khi tập hợp dữ liệu được định nghĩa và một mô hình chung cần phải được xác định từ dữ liệu. Bạn có thể tạo một số cụ thể của nhóm, tùy thuộc vào nhu cầu kinh doanh của bạn. Một xác định lợi ích của cụm trên phân loại là mỗi thuộc tính trong thiết lập dữ liệu sẽ được sử dụng để phân tích dữ liệu. (Nếu bạn nhớ từ các phương pháp phân loại, chỉ là một tập hợp con của các thuộc tính được sử dụng trong các mô hình.) Một bất lợi chính của việc sử dụng cụm là người dùng được yêu cầu phải biết trước thời hạn bao nhiêu nhóm ông muốn tạo ra. Cho người dùng mà không có bất kỳ kiến thức thực tế của dữ liệu của mình, điều này có thể được khó khăn. Bạn nên tạo ra ba nhóm? Năm nhóm? Nhóm Mười? Nó có thể mất một vài bước thử và sai để xác định số nhóm để tạo ra, lý tưởng.Tuy nhiên, cho người dùng trung bình, cụm có thể là phương pháp khai thác dữ liệu hữu ích nhất bạn có thể sử dụng. Nó một cách nhanh chóng có thể mất của bạn thiết lập toàn bộ dữ liệu và biến nó thành nhóm, từ đó bạn có thể nhanh chóng làm cho một số kết luận. Toán học đằng sau các phương pháp là hơi phức tạp và tham gia, đó là lý do tại sao chúng tôi tận dụng đầy đủ của WEKA.

Kết quả (Việt) 2:

Clustering cho phép một người sử dụng để làm cho các nhóm dữ liệu để xác định mô hình từ dữ liệu. Clustering có lợi thế của mình khi tập dữ liệu được định nghĩa và một mẫu chung cần phải được xác định từ dữ liệu. Bạn có thể tạo ra một số lượng cụ thể của các nhóm, tùy thuộc vào nhu cầu kinh doanh của bạn. Một lợi ích xác định của phân nhóm phân loại trên là mỗi thuộc tính trong tập dữ liệu sẽ được sử dụng để phân tích dữ liệu. (Nếu bạn nhớ từ phương pháp phân loại, chỉ là một tập hợp con của các thuộc tính được sử dụng trong mô hình.) Một bất lợi của việc sử dụng phân nhóm là người dùng được yêu cầu phải biết trước thời hạn bao nhiêu nhóm ông muốn tạo ra. Đối với một người sử dụng mà không cần bất kỳ kiến thức thực tế của dữ liệu của mình, điều này có thể khó khăn. Bạn nên tạo ra ba nhóm? Năm nhóm? Mười nhóm? Nó có thể mất một vài bước thử và sai để xác định con số lý tưởng của các nhóm để tạo ra.
Tuy nhiên, với người dùng bình, phân cụm có thể là phương pháp khai thác dữ liệu hữu ích nhất mà bạn có thể sử dụng. Nó có thể nhanh chóng đưa toàn bộ tập hợp các dữ liệu của bạn và biến nó thành các nhóm, từ đó bạn có thể nhanh chóng làm cho một số kết luận. Toán học đằng sau phương pháp này là hơi phức tạp và có liên quan, đó là lý do tại sao chúng tôi tận dụng lợi thế đầy đủ của WEKA.