3.3 Clustering D.M. Technique Using

3.3 Clustering D.M. Technique Using K- Means
Algorithms
The categorization of objects into various groups or the
partitioning of data set into subsets so that the data in each of
the subset share a general feature, frequently the proximity
with regard to some defined distance measure, is known as
Clustering. The clustering problem has been identified in
numerous contexts and addressed being proven beneficial in
many medical applications. Clustering the medical data into
small with meaningful data can aid in the discovery of
patterns by supporting the extraction of numerous appropriate
features from each of the clusters thereby introducing
structure into the data and aiding the application of
conventional data mining techniques. Numerous methods are
available in the literature for clustering and employed the
renowned K-Means clustering algorithm in this approach.

Kết quả (Việt) 2:

3.3 Clustering DM Kỹ thuật Sử dụng K-Means
thuật toán
Việc phân loại các đối tượng thành các nhóm khác nhau hoặc các
phân vùng dữ liệu thiết lập thành các tập con để các dữ liệu trong mỗi
tập con chia sẻ một tính năng chung, thường xuyên sự gần gũi
đối với một số biện pháp được xác định khoảng cách với, là được gọi là
Clustering. Vấn đề phân nhóm đã được xác định trong
nhiều bối cảnh và giải quyết được chứng minh là có lợi trong
nhiều ứng dụng y tế. Clustering các dữ liệu y tế vào
nhỏ với các dữ liệu có ý nghĩa có thể hỗ trợ trong việc phát hiện ra các
mô hình bằng cách hỗ trợ khai thác của rất nhiều phù hợp
tính năng với nhau trong những cụm từ đó giới thiệu
cơ cấu vào các dữ liệu và giúp đỡ việc áp dụng các
kỹ thuật khai thác dữ liệu thông thường. Nhiều phương pháp này là
có sẵn trong các tài liệu cho nhóm và sử dụng các
thuật toán phân nhóm K-Means nổi tiếng trong cách tiếp cận này.