Presná definícia
Čo znamená zhlukovanie BIRCH?
BIRCH je inkrementálny zhlukovací algoritmus pre veľké dátové súbory, ktorý komprimuje body do vyváženého CF stromu. Každý Clustering Feature uchováva počet bodov, lineárny a štvorcový súčet, z ktorých možno odvodiť centroid a rozptyl bez uloženia všetkých bodov. Prah riadi maximálny polomer podzhluku a branching factor šírku stromu.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri miliónoch vektorov sa dáta spracúvajú po dávkach a CF strom vytvára mikro-zhluky. Prah sa nastaví podľa škály príznakov; príliš malý strom nafúkne, príliš veľký spojí rozdielne oblasti. Listové podzhluky možno ponechať alebo následne zoskupiť globálnym algoritmom. Poradie prichádzajúcich dát môže ovplyvniť kompresiu, preto sa skúša premiešanie tam, kde nenaruší časový význam. BIRCH preferuje približne sférické skupiny v euklidovskom priestore a nie je náhradou za hustotnú metódu pri zakrivených tvaroch.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo obsahuje Clustering Feature?
Počet bodov, ich lineárny súčet a súčet štvorcov.
Prečo používa CF strom?
Komprimuje dáta do mikro-zhlukov s obmedzenou pamäťou.
Čo robí threshold?
Určuje, aký veľký polomer môže mať listový podzhluk pred rozdelením.
Dá sa učiť po dávkach?
Áno. Strom možno inkrementálne aktualizovať prichádzajúcimi bodmi.
Akú geometriu uprednostňuje?
Kompaktné, približne sférické skupiny podľa euklidovskej vzdialenosti.