聚类 câu

• •聚类：查找数据中的自然分组。
  Phân nhóm (Clustering): Tìm các nhóm tự nhiên trong dữ liệu
• 基于连通性的聚类
  dựa trên tính chất liên
• 第一章 聚类分析 3
  Chương 1 Phân tích .3
• 与聚类方法类似，降维算法寻找数据中的固有结构。
  Giống như các phương pháp phân cụm, việc giảm kích thước tìm kiếm một cấu trúc inherent trong dữ liệu.
• 非聚类：“鸡尾酒会算法”，让您在混乱的环境中找到结构。
  Non-clustering: Các “Thuật toán tiệc Cocktail”, cho phép bạn tìm thấy một cấu trúc trong môi trường hỗn loạn.
• 无监督学习算法通常用于基于距离的聚类数据点。
  Các thuật toán học máy không giám sát thường được sử dụng để phân cụm các điểm dữ liệu dựa trên khoảng cách.
• 许多不同的技术和算法可使用于聚类分析，其中[5]和[6]提供了极好的评论。
  Nhiều kỹ thuật và thuật toán khác nhau có sẵn để phân tích phân cụm trong đó [5] và [6] cung cấp các đánh giá xuất sắc.
• 我们将设计一个人脸聚类算法来识别数据集中相似且唯一的脸。
  Mình sẽ sử dụng một thuật toán phân cụm khuôn mặt để xác định các khuôn mặt tương tự và duy nhất trong bộ dữ liệu.
• 癌细胞的基因表达可通过聚类技术进行分析，以分析细胞结构并预测生存[4]。
  Biểu hiện gen của các tế bào ung thư có thể được định hình thông qua các kỹ thuật phân cụm để phân tích cấu trúc tế bào và dự đoán tỷ lệ sống [4].
• 机器学习中的聚类分析[1]旨在根据数据点之间的类似性度量将数据划分为单独的，不重叠的集合。
  Phân tích cụm [1] trong học máy nhằm mục đích phân chia dữ liệu thành các bộ riêng biệt, không chồng chéo dựa trên thước đo tương tự giữa các điểm dữ liệu.
• 他的研究也证明了合作的好处，以及一群人之间高度的联系 - 或者说，使用社会科学研究术语聚类。
  Nghiên cứu của ông cũng cho thấy những lợi ích của sự hợp tác và mức độ kết nối cao giữa một nhóm người, hoặc sử dụng thuật ngữ nghiên cứu khoa học xã hội, phân cụm.
• 此外，永久居民和外国人，包括家庭团聚类移民被担保的成员，上诉权也可能受影响。
  Ngoài ra, quyền kháng cáo của thường trú nhân và người ngoại quốc, bao gồm những thân nhân được bảo lãnh theo diện đoàn tụ gia đình, cũng có thể bị ảnh hưởng, theo Bộ Di trú.
• 在童年早期，我们学习如何区分猫和狗，或动物和植物之间，不断改进潜意识里的聚类方案。
  Ngay từ lúc bé, con ngƣời đã học cách làm thế nào để phân biệt giữa mèo và chó, giữa động vật và thực vật và liên tục đƣa vào sơ đồ phân loại trong tiềm thức của mình.
• 相似地，假如数据点是“不类似的”，则当与迭代相对应的二次采样数据集同时包含两者时，它们应该在每次迭代中置于不同的聚类中。
  Tương tự, nếu các điểm dữ liệu là 'không giống nhau' thì chúng nên được đặt trong các cụm riêng biệt trong mỗi lần lặp khi tập dữ liệu được lấy mẫu tương ứng với lần lặp chứa cả hai.
• 因此，我们需要使用基于密度或基于图的聚类算法，这样的算法不仅可以聚类数据点，还可以根据数据密度确定聚类数量。
  Do đó, chúng ta cần sử dụng thuật toán phân cụm dựa trên mật độ hoặc dựa trên biểu đồ để không chỉ phân cụm các điểm dữ liệu mà còn có thể xác định số lượng cụm cũng dựa trên mật độ của dữ liệu.
• 因此，我们需要使用基于密度或基于图的聚类算法，这样的算法不仅可以聚类数据点，还可以根据数据密度确定聚类数量。
  Do đó, chúng ta cần sử dụng thuật toán phân cụm dựa trên mật độ hoặc dựa trên biểu đồ để không chỉ phân cụm các điểm dữ liệu mà còn có thể xác định số lượng cụm cũng dựa trên mật độ của dữ liệu.
• 因此，我们需要使用基于密度或基于图的聚类算法，这样的算法不仅可以聚类数据点，还可以根据数据密度确定聚类数量。
  Do đó, chúng ta cần sử dụng thuật toán phân cụm dựa trên mật độ hoặc dựa trên biểu đồ để không chỉ phân cụm các điểm dữ liệu mà còn có thể xác định số lượng cụm cũng dựa trên mật độ của dữ liệu.