مروری بر مقاله برآورد تعداد خوشه ها در مجموعه داده ها از طریق معیار آمار فاصله ای Gap Statistics

این یک مساله مهم و چالش برانگیز در یادگیری بدون نظارت برای تخمین تعداد خوشه ها در مجموعه داده ها است . ما یک روش آمار فاصله ای gap statistics برای تخمین تعداد خوشه ها (گروه ها) در مجموعه ای از داده ها را پیشنهاد می کنیم . این تکنیک از خروجی هر الگوریتم خوشه بندی (به عنوان مثال K - means یا سلسله مراتبی) استفاده می کند، و تغییر در پراکندگی در داخل خوشه با آن انتظار تحت یک توزیع صفر مرجع مناسب را مقایسه می کند . برخی تئوری برای این پیشنهاد توسعه یافته است و یک مطالعه شبیه سازی نشانمی دهد که آمار فاصله ای gap statistics معمولا از روش های دیگری که در مقاله پیشنهاد شده اند بهتر عمل می کند

Keywords:

خوشه بندی , دسته بندی , سلسله مراتبی , K-means , توزیع یکنواخت