Data Mining Chapter 12 : Clustering (II)

Density-based Clustering มีแนวคิดอย่างไร

• กลุ่มของข้อมูลที่มีความหนาแน่นมากพอ จะถูกรวมกลุ่มเดียวกัน

• กลุ่มของข้อมูลที่มีความหนาแน่นมากที่สุด จะถูกรวมเป็นกลุ่ม

• กลุ่มของข้อมูลจะถูกแบ่งตามค่าความหนาแน่น

• ข้อมูลที่มีความหนาแน่นเท่ากันจะถูกจัดในกลุ่มเดียวกัน

พารามิเตอร์ของ DBSCAN ประกอบด้วยอะไร

• Minpts

• Eps

• Min support

• cutoff pts

ในวิธี DBSCAN จุดข้อมูลที่มีจำนวนเพื่อนบ้านในรัศมี eps มากกว่า minPts ตัว จะเรียกว่าอะไร

• Core

• Border

• Noise

• Centroid

ข้อใดจริงเกี่ยวกับกลุ่ม cluster จาก DBSCAN

• แต่ละกลุ่มประกอบด้วย Core และจุดข้อมูลที่ density-connected กับ Core นั้น

• จุดข้อมูลที่เป็น Core ทุกตัวจะอยู่ในกลุ่มเดียวกัน

• จุดข้อมูลที่เป็น Noise ทุกตัว จะไม่อยู่ในกลุ่มใดเลย

• กลุ่มที่ได้จะต้องอยู่ในรูปแบบ convex set

ในบทเรียน การประเมิน clustering มีพิจารณาปัจจัยใดบ้าง

• ชนิดของการแจกแจงทางสถิติของแต่ละกลุ่มข้อมูล

• ระยะทางภายในกลุ่มของแต่ละกลุ่ม

• จำนวนกลุ่มที่น่าจะมีในข้อมูล

• การกระจายของข้อมูลว่า น่าจะมี cluster ซ่อนอยู่หรือไม่

กำหนดให้การแบ่งกลุ่มและระยะทางจากจุด P ไปยังจุดต่างๆเป็นดังตาราง

ค่า Silhouette coefficient ของจุด P มีค่าเท่าใด

(ตอบเป็นเศษส่วน)

ข้อใดจริงเกี่ยวกับตัววัดการแบ่งกลุ่มแบบ intrinsic method

• Total Variance ยิ่งน้อยยิ่งดี

• Silhouette ยิ่งใกล้ 0 ยิ่งดี

• Dunn Index ยิ่งน้อยยิ่งดี

• Davies-Bouldin Index ยิ่งน้อยยิ่งดี

ข้อใดจริงเกี่ยวกับการประเมิน clustering แบบ extrinsic method

• อัตราส่วนผลรวมของข้อมูลส่วนน้อยในแต่ละกลุ่มต่อข้อมูลทั้งหมด ยิ่งมากยิ่งดี

• ผลรวมของ entropy ของแต่ละกลุ่ม ยิ่งมากยิ่งดี

• ต้องมีการกำหนด target class ของแต่ละจุดข้อมูล

• แต่ละกลุ่มถูกตัดสินว่าเป็นของคลาสใด จาก majority vote