El texto describe el proceso de clustering, una técnica de aprendizaje automático no supervisado que organiza datos sin etiquetar en grupos o clústeres basados en similitudes. Se mencionan métodos como el particionamiento jerárquico y la agrupación jerárquica aglomerativa, que dividen los datos según reglas de clasificación o asociaciones entre objetos.
Se utiliza como un proceso para encontrar una estructura significativa, procesos subyacentes explicativos, características generativas y agrupaciones inherentes a un conjunto de datos.
Extraer referencias de conjuntos de datos que consisten en datos de entrada sin respuestas etiquetadas
Función de similitud
Se proporcionaron datos sin etiquetar
Categoriza los datos con la ayuda de los datos de entrenamiento proporcionados
Métodos utilizados para analizar los conjuntos de datos y dividirlos sobre la base de algunas reglas de clasificación particulares o la asociación entre objetos
Esta función mapea los datos en uno de los múltiples clústeres donde la disposición de los elementos de datos se basa en las similitudes entre ellos.
Recuperación de información
Útil en la construcción de conceptos de datos Proceso de aprendizaje no supervisado
Simplificaciones Detección de patrones
Proceso de aprendizaje de un modelo que dilucida diferentes clases predeterminadas de datos.