स्पार्सिफिकेशन (Sparsification) m डेटा पॉइंट्स के लिए m by m निकटता मैट्रिक्स को एक घने ग्राफ के रूप में परिभाषित किया जा सकता है जिसमें प्रत्येक नोड कुछ अन्य से जुड़ा होता है और किन्हीं दो नोड्स के बीच किनारे का वजन उनकी जोड़ीदार निकटता का पालन करता है। हालांकि प्रत्येक ऑब्जेक्ट का प्रत्येक अन्य ऑब

CURE (Clustering Using Representatives) CURE का अर्थ है Clustering Using Representatives। यह एक क्लस्टरिंग एल्गोरिदम है जो बड़ी डेटा सेट्स, आउटलेयर्स, और गैर-गोलीय वास्तुकला और गैर-समान आकार के क्लस्टर्स को प्रबंधित करने वाले दृष्टिकोण बनाने के लिए कई तकनीकों का उपयोग करता है। CURE क्लस्टर से कई प्र

विसंगति पहचान के अनुप्रयोग विसंगति पहचान में, उद्देश्य उन ऑब्जेक्ट्स को खोजना है जो कई ऑब्जेक्ट्स से भिन्न हैं। अक्सर, विसंगतिपूर्ण ऑब्जेक्ट्स को आउटलेयर्स कहा जाता है, क्योंकि डेटा के स्कैटर प्लॉट पर, वे कई डेटा पॉइंट्स से दूर स्थित होते हैं। विसंगति पहचान को विचलन पहचान कहा जाता है, क्योंकि विसंगत

विसंगतियों के कारण विसंगति पहचान में, उद्देश्य उन ऑब्जेक्ट्स को खोजना है जो कई ऑब्जेक्ट्स से भिन्न हैं। अक्सर, विसंगतिपूर्ण ऑब्जेक्ट्स को आउटलेयर्स कहा जाता है, क्योंकि डेटा के स्कैटर प्लॉट पर, वे कई डेटा पॉइंट्स से दूर स्थित होते हैं। विसंगति पहचान को विचलन पहचान कहा जाता है, क्योंकि विसंगतिपूर्ण ऑ

विसंगति पहचान के विभिन्न मुद्दे विसंगति पहचान के विभिन्न मुद्दे निम्नलिखित हैं: 1. विसंगति को परिभाषित करने के लिए उपयोग की जाने वाली विशेषताओं की संख्या यह प्रश्न कि कोई ऑब्जेक्ट एक व्यक्तिगत विशेषता के आधार पर विसंगतिपूर्ण है या नहीं, इस प्रश्न का विषय है कि उस विशेषता के लिए ऑब्जेक्ट का मान विसं

सांख्यिकीय दृष्टिकोण सांख्यिकीय दृष्टिकोण मॉडल-आधारित दृष्टिकोण हैं जहां डेटा के लिए एक मॉडल बनाया जाता है, और ऑब्जेक्ट्स की गणना इस बात के संबंध में की जाती है कि वे मॉडल को कितनी अच्छी तरह फिट करते हैं। आउटलेयर डिटेक्शन के लिए अधिकांश सांख्यिकीय दृष्टिकोण एक प्रायिकता वितरण मॉडल विकसित करने और यह

CRISP-DM के अनुप्रयोग क्रॉस इंडस्ट्री स्टैंडर्ड प्रोसेस फॉर डेटा माइनिंग (CRISP-DM) को M&V पद्धति को और मानकीकृत करने और ऊर्जा बचत के अधिक कुशल अनुमान की अनुमति देने के एक दृष्टिकोण के रूप में मान्यता दी गई थी। CRISP-DM के कई अनुप्रयोग निम्नलिखित हैं: 1. व्यवसाय समझ (Business Understanding) एक बायो

बिटकॉइन माइनिंग का परिचय बिटकॉइन माइनिंग लेनदेन संबंधी डेटा को प्रमाणित करने और सार्वजनिक लेजर में डालने की प्रक्रिया को परिभाषित करता है। सार्वजनिक लेजर को ब्लॉकचेन कहा जाता है क्योंकि इसमें ब्लॉक्स का एक समूह होता है। बिटकॉइन आभासी मुद्रा है जिसका कुछ मूल्य होता है, और इसका मूल्य स्थिर नहीं होता,

बाइसेक्टिंग K-Means एल्गोरिदम बाइसेक्टिंग K-Means एल्गोरिदम बेसिक K-Means एल्गोरिदम का एक सरल विस्तार है जो एक सरल अवधारणा पर निर्भर करता है: K क्लस्टर्स प्राप्त करने के लिए, सभी पॉइंट्स के सेट को दो क्लस्टर्स में विभाजित करें, इनमें से एक क्लस्टर को विभाजित करने के लिए चुनें, आदि, जब तक K क्लस्टर्स

एग्लोमरेटिव पदानुक्रमित क्लस्टरिंग एग्लोमरेटिव पदानुक्रमित क्लस्टरिंग एक बॉटम-अप क्लस्टरिंग दृष्टिकोण है जहां क्लस्टर्स के सब-क्लस्टर्स होते हैं, जिनके बदले में सब-क्लस्टर्स होते हैं, आदि। यह प्रत्येक ऑब्जेक्ट को उसके अपने क्लस्टर में रखकर शुरू होता है और फिर इन परमाणु क्लस्टर्स को तब तक बड़े और बड़

पदानुक्रमित क्लस्टरिंग का परिचय एक पदानुक्रमित क्लस्टरिंग दृष्टिकोण डेटा ऑब्जेक्ट्स को क्लस्टर्स के एक ट्री में विलय करके काम करता है। पदानुक्रमित क्लस्टरिंग एल्गोरिदम टॉप-डाउन या बॉटम-अप होते हैं। सटीक पदानुक्रमित क्लस्टरिंग तकनीकों की विशेषता विलय या विभाजन निर्णय पूरा होने के बाद समायोजन करने में

K-Means K-Means क्लस्टरिंग एक पार्टीशनिंग एल्गोरिदम है। K-Means डेटासेट में प्रत्येक डेटा को नवनिर्मित क्लस्टर्स में से केवल एक को पुनः असाइन करता है। एक डेटा या डेटा पॉइंट को दूरी या समानता के माप का उपयोग करके निकटतम क्लस्टर को असाइन किया जाता है। K-Means में, एक ऑब्जेक्ट को निकटतम केंद्र को उत्प

क्लस्टर विश्लेषण को प्रभावित करने वाली डेटा विशेषताएं निम्नलिखित डेटा की कुछ विशेषताएं हैं जो क्लस्टर विश्लेषण को दृढ़ता से प्रभावित कर सकती हैं: 1. उच्च आयामिता (High Dimensionality) उच्च-आयामी डेटासेट्स में, घनत्व की पारंपरिक यूक्लिडियन अवधारणा (इकाई आयतन प्रति पॉइंट्स की संख्या) महत्वहीन हो जाती

क्लस्टरिंग का परिचय भौतिक या अमूर्त ऑब्जेक्ट्स के एक समूह को समान ऑब्जेक्ट्स की कक्षाओं में संयोजित करने की प्रक्रिया को क्लस्टरिंग कहा जाता है। एक क्लस्टर डेटा ऑब्जेक्ट्स का एक समूह होता है जो एक ही क्लस्टर के भीतर एक-दूसरे के समान होते हैं और अन्य क्लस्टर्स में ऑब्जेक्ट्स से भिन्न होते हैं। कई अनु

क्लस्टरिंग एल्गोरिदम की मुख्य विशेषताएं क्लस्टरिंग एल्गोरिदम की विभिन्न विशेषताएं निम्नलिखित हैं: 1. ऑर्डर डिपेंडेंस (Order Dependence) कई एल्गोरिदम के लिए, उत्पन्न क्लस्टर्स की विशेषता और संख्या नाटकीय रूप से भिन्न हो सकती है, इस आधार पर कि डेटा को किस क्रम में प्रोसेस किया जाता है। हालांकि ऐसे एल

प्रोटोटाइप-आधारित क्लस्टरिंग का परिचय प्रोटोटाइप-आधारित क्लस्टरिंग में, एक क्लस्टर ऑब्जेक्ट्स का एक समूह होता है जिसमें प्रत्येक ऑब्जेक्ट उस प्रोटोटाइप के अधिक निकट होता है जो क्लस्टर को दर्शाता है, बजाय किसी अन्य क्लस्टर के प्रोटोटाइप के। एक सरल प्रोटोटाइप-आधारित क्लस्टरिंग एल्गोरिदम क्लस्टर में तत

SOM का परिचय SOM का पूरा नाम Self-Organizing Feature Map (सेल्फ-ऑर्गनाइज़िंग फीचर मैप) है। यह एक न्यूरल नेटवर्क पर आधारित क्लस्टरिंग और डेटा विज़ुअलाइज़ेशन तकनीक है। SOM का मुख्य उद्देश्य डेटासेट में सेंट्रॉयड्स (केंद्र बिंदु) का एक समूह खोजना है और प्रत्येक डेटा ऑब्जेक्ट को उस सेंट्रॉयड से जोड़ना ह

SOM सेल्फ-ऑर्गनाइज़िंग फीचर मैप का प्रतिनिधित्व करता है। यह एक न्यूरल नेटवर्क दृष्टिकोण पर निर्भर एक क्लस्टरिंग और डेटा विज़ुअलाइज़ेशन तकनीक है। SOM के न्यूरल नेटवर्क आधार के बावजूद, इसे प्रोटोटाइप-आधारित क्लस्टरिंग के परिवर्तन के संदर्भ में न्यूनतम रूप से प्रस्तुत किया जाता है।SOM का एल्गोरिदम निम्

एसोसिएशन विश्लेषण एल्गोरिदम में बड़ी संख्या में पैटर्न बनाने की संभावना होती है। उदाहरण के लिए, हालांकि डेटा सेट में केवल छह आइटम शामिल हैं, यह विशिष्ट समर्थन और विश्वास थ्रेशोल्ड पर हजारों एसोसिएशन नियम बना सकता है। चूंकि वास्तविक मौद्रिक डेटाबेस का आकार और आयाम बड़े हो सकते हैं, वे आसानी से हजारों

ग्राफ आइसोमोर्फिज्म मुद्दों को संभालने के लिए एक मानक विधि प्रत्येक ग्राफ को एक विशिष्ट स्ट्रिंग प्रतिनिधित्व में मैप करना है जिसे इसका कोड या कैनोनिकल लेबल कहा जाता है। एक कैनोनिकल लेबल में यह गुण होता है कि यदि दो ग्राफ आइसोमोर्फिक हैं, तो उनके कोड समान होने चाहिए।यह गुण हमें ग्राफ के कैनोनिकल लेब