Concept description genom klustring
Concept description är en data mining-uppgift som strävar efter en begriplig
beskrivning av koncept och klasser, inte exakta prediceringar. Syftet med
studien är att visa hur prototypbaserad klustring kan skapa förståelse för en
datamängds underliggande domän, enligt concept description. Experiment
har utförts med data från pokerdomänen. Datamängden samlades in från ett
low-limit, shorthanded bord, hos en av de stora Internetsiterna för online
pokerspel. De två experimenten utfördes med samma datamängd, men där
uppsättningen attribut skiljde sig åt. Klustringen utfördes med den
prototypbaserade klustringsalgoritmen K-means. För att data mining?
uppgiften skulle lösas på tillfredställande vis, presenterades experimentens
resultat i diagram och tabeller som var möjliga att analysera. Klustren som
experimenten resulterade i visar sig vara väl separerade. Den dolda
informationen, som lyftes fram av klustringsexperimenten, kunde verifieras
av domänens teori. Analysen av resultatet visade att klustring med den
prototypbaserade klustringsalgoritmen K-means är en metod som går bra att
använda för att skapa förståelse i en datamängds underliggande domän.