Howtosignalprocessing
- Quand utiliser K-means vs dbscan?
- Kmeans travaille-t-il avec des données catégorielles?
- Les k-means peuvent-ils être utilisés pour la réduction de la dimensionnalité?
Quand utiliser K-means vs dbscan?
K-means a des difficultés avec des grappes non globulaires et des grappes de tailles multiples. DBSCAN est utilisé pour gérer les grappes de plusieurs tailles et structures et n'est pas influencé puissamment par le bruit ou les valeurs aberrantes. K-means peut être utilisé pour des données qui ont un centroïde clair, y compris une moyenne ou une médiane.
Kmeans travaille-t-il avec des données catégorielles?
L'algorithme K-Means n'est pas applicable aux données catégorielles, car les variables catégorielles sont discrètes et n'ont pas d'origine naturelle.
Les k-means peuvent-ils être utilisés pour la réduction de la dimensionnalité?
Pour résumer, les k-means peuvent être utilisés à diverses fins. Nous pouvons l'utiliser pour effectuer une réduction de la dimensionnalité où chaque fonctionnalité transformée est la distance du point d'un centre de cluster.
