数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学聚类的应用有哪些？
聚类有各种各样的应用，如下所示：
可扩展性 - 一些聚类算法在小型数据集（包括少于200个数据对象）中运行良好；然而，大型数据库可能包含数百万个对象。对给定大型数据集样本进行聚类可能会导致结果偏差。需要高度可扩展的聚类算法。
处理不同类型属性的能力 - 一些算法旨在对基于区间的（数值）记录进行聚类。但是，应用程序可能需要对几种类型的数据进行聚类，包括二进制数据、分类（名义）数据和有序数据，或这些数据类型的组合。
发现任意形状的聚类 - 一些聚类算法根据欧几里德距离或曼哈顿距离度量来确定聚类。基于此类距离度量的算法倾向于发现大小和密度相同的球形聚类。但是，聚类可以是任何形状。必须开发能够识别任意形状聚类的算法。
对确定输入参数的领域知识的要求最小 - 一些聚类算法需要用户在聚类分析中输入特定参数（包括所需聚类的数量）。聚类结果对输入参数非常敏感。参数很难确定，特别是对于包含高维对象的数据集。这不仅给用户带来负担，而且也使聚类质量难以控制。
处理噪声数据的能力 - 一些现实世界的数据库包含异常值或缺失、未知或错误的记录。一些聚类算法对这类数据敏感，并可能导致质量差的聚类。
对输入记录顺序不敏感 - 一些聚类算法对输入数据的顺序有响应，例如，相同的数据集，当以多种顺序呈现给这种算法时，它可以生成截然不同的聚类。必须开发对输入顺序没有响应的算法。
高维性 - 数据库或数据仓库可以包含多个维度或属性。一些聚类算法最擅长管理低维数据，只包含两到三个维度。人眼最擅长确定最多三个维度的聚类质量。在高维空间中对数据对象进行聚类是有争议的，特别是考虑到高维空间中的数据可能非常不足并且高度失真。
基于约束的聚类 - 现实世界的应用程序可能需要在几种类型的约束下执行聚类。假设你的工作是在城市中为一定数量的新型自动取款机 (ATM) 选择区域。
3K+ 次浏览
