データマイニングにおけるクラスタリングの種類は何ですか？

クラスタリングには次のようなさまざまなタイプがあります-

階層型とパーティション型 −いくつかのタイプのクラスタリング間の認識は、クラスターのセットがネストされているかネストされていないか、または一般的な用語では階層的またはパーティション的であるかどうかです。パーティションクラスタリングとは、データオブジェクトのグループを重複しないサブセット（クラスター）に分散することであり、すべてのデータオブジェクトが真に1つのサブセットに含まれます。

クラスターにサブクラスターを持たせることができるため、ツリーとして割り当てられるネストされたクラスターのグループである階層的クラスタリングが必要です。ツリー内のすべてのノード（クラスター）（リーフノードを除く）はその子（サブクラスター）の和集合であり、ツリーのルートはすべてのオブジェクトを含むクラスターです。

排他的vs重複vsFizzy −クラスタリングは、個々のクラスターに対して各オブジェクトを作成するため、すべて排他的です。ポイントを複数のクラスターの上位に配置できる位置はいくつかありますが、これらの状況は、非排他的クラスタリングによって対処するのに優れています。

この方法では、重複または非排他的なクラスタリングは、オブジェクトが複数のグループ（クラス）に属することができるという事実に従うことができます。たとえば、大学の人は、大学の登録候補者と従業員の両方になることができます。

ファジークラスタリングでは、各オブジェクトは、メンバーシップの重みが0（カテゴリに適用されない）から1（カテゴリに適用される）の間の各クラスターに適用されます。言い換えると、クラスターはファジー集合と見なされます。

完全対部分 −完全なクラスタリングでは各オブジェクトがクラスターに作成されますが、部分的なクラスタリングでは作成されません。部分的なクラスタリングの理由は、データセット内の一部のオブジェクトがクリアグループに属することができないためです。データセット内のオブジェクトは、ノイズ、外れ値、または「興味のない背景」を定義することが何度かあります。たとえば、一部の新聞記事は地球温暖化を含む共通のデザインを共有できますが、異なる記事はより普遍的または他に類を見ないものです。

したがって、先月のストーリーで重要なトピックを見つけることができ、共通のテーマでほとんど接続されていないドキュメントのクラスターのみを検索する必要があります。場合によっては、オブジェクトのクラスタリング全体が取得されます。たとえば、すべてのファイルを閲覧できるようにするには、閲覧用にファイルを整理するためにクラスタリングが必要なアプリケーションが必要です。