[ad_1]
Bạn đã gặp vấn đề về diễn giải dữ liệu, vì vậy bạn đã thử phân cụm. Bây giờ bạn gặp vấn đề về diễn giải cụm! Có một nghi ngờ rằng có thể có các mẫu trong dữ liệu. Một cách hợp lý, hy vọng là việc thêm một số cấu trúc thông qua học tập không giám sát sẽ mang lại một số hiểu biết. Các cụm là công cụ hữu ích để tìm cấu trúc. Vì vậy, bạn bắt đầu hành trình của mình. Bạn chi khá nhiều tiền cho máy tính. Bạn đầu tư rất nhiều mồ hôi để mày mò các tham số điều chỉnh cụm. Chỉ để chắc chắn, bạn thử một vài thuật toán. Nhưng đến cuối ngày, bạn còn lại các biểu đồ cầu vồng của dữ liệu cụm có thể có một số ý nghĩa — chỉ có thể — nếu bạn nheo mắt đủ kỹ. Bạn trở về nhà với sự nghi ngờ bất an rằng tất cả đều vô ích. Đáng buồn thay, điều này xảy ra quá thường xuyên. Nhưng tại sao lại như vậy?
Việc không tạo ra giá trị trong một dự án phân cụm thường xuất phát từ một số nguyên nhân: hiểu biết kém về dữ liệu, quá ít chú ý đến kết quả mong muốn và lựa chọn công cụ kém. Chúng ta sẽ lần lượt xem xét từng nguyên nhân này. Để thúc đẩy cuộc thảo luận, việc hiểu lý do tồn tại của các kỹ thuật phân cụm là rất hữu ích. Để hiểu được điều đó, chúng ta sẽ xem xét phân cụm là gì và một số vấn đề thúc đẩy sự phát triển của các kỹ thuật phân cụm.
[ad_2]
Source link