This HTML5 document contains 21 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
wikipedia-huhttp://hu.wikipedia.org/wiki/
dcthttp://purl.org/dc/terms/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-huhttp://hu.dbpedia.org/resource/
prop-huhttp://hu.dbpedia.org/property/
n18http://phd.lib.uni-corvinus.hu/253/01/
n6http://www.hik.hu/tankonyvtar/site/books/b137/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n13http://www.lib.uni-corvinus.hu/phd/
freebasehttp://rdf.freebase.com/ns/
n17https://web.archive.org/web/20090509150820/http:/www.inf.unideb.hu/valseg/dolgozok/ispany/Multivar/
n12https://web.archive.org/web/20140923060356/http:/nti.btk.pte.hu/dogitamas/BHF_FILES/html/08Munnich/pages/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n8http://hu.dbpedia.org/resource/Sablon:
owlhttp://www.w3.org/2002/07/owl#
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
n15http://hu.dbpedia.org/resource/Kategória:

Statements

Subject Item
dbpedia-hu:Klaszteranalízis
rdfs:label
Klaszteranalízis
owl:sameAs
freebase:m.031f5p
dct:subject
n15:Matematikai_statisztika
dbo:wikiPageID
349628
dbo:wikiPageRevisionID
23689471
dbo:wikiPageExternalLink
n6:ch03s03s02s02.html n12:p_5_1.xml n13:kunsagi_andrea.pdf n17:main.html n18:harsanyi_gabor.pdf
prop-hu:wikiPageUsesTemplate
n8:Halott_link n8:Portál n8:Fordítás
prop-hu:date
2018
prop-hu:url
n13:kunsagi_andrea.pdf
dbo:abstract
A klaszteranalízis egy olyan dimenziócsökkentő eljárás, amellyel adattömböket tudunk homogén csoportokba sorolni, klasszifikálni. Ezeket a csoportokat nevezzük klasztereknek. Az egyes klasztereken belüli adatok valamilyen dimenzió szerint hasonlítanak egymáshoz, és e dimenzió mentén különböznek a többi klaszter elemeitől. A csoportok minél homogénebbek (azaz nagyobb az elemeik hasonlósága), és minél nagyobb közöttük a különbség, annál pontosabbnak mondható a klaszteranalízis maga. A csoportosítás alapját különböző távolság- vagy hasonlóságmértékek képezik. Mivel az adatok értelmes szétválasztása, csoportba sorolása fontos célja számos tudomány-, üzleti- és informatikai területnek, azért a klaszteranalízis gyakran használt megoldása az adatbányászatnak, a minta felismerésnek, a képelemzésnek, az információ előhívásnak, a bioinformatikának, az adattömörítésnek és a számítógépes grafikának. A klaszteranalízis nem egy bizonyos konkrét eljárás, hanem egy csoportosító megoldás ami az eredeti adatokat értelmes vagy hasznos csoportokra (klaszterekre) bontja – a kívánt végcéltől függően. (Fülöp, 2006) Ennek megfelelően a klaszterek kialakítására számos különböző, a klaszter fogalmát egymástól jelentősen eltérően definiáló eljárás használható. A népszerű klaszterelképzelések közé tartoznak az egymástól kis távolságra levő csoporttagokat tartalmazó klaszterek, a sűrűbben elhelyezkedő adatok halmazait bekerítő területek, szakaszok vagy bizonyos meghatározott statisztikai eloszlások. Így a klaszterezés többcélú optimizálási problémává tud válni. Az, hogy mi a megfelelő klaszterezési algoritmus és hogy milyen paramétereket javasolt használni (ide értve például a távolság funkciót, a sűrűségi határértéket, vagy azt, hogy mi az elvárt klaszter szám), attól függ, hogy mi az elérni kívánt szándék a klaszterezési eljárással. A klaszteranalízis nem egy automatizált feladat, hanem ismétlődő tudás kinyerésére irányuló vagy próbákat és kudarcokat is tartalmazó, interaktív optimalizáció folyamat. Az alkalmazása alatt gyakran szükséges, hogy módosítva legyenek az adatok és a modell paraméterek egészen addig, amíg az eredmény a kívánt tulajdonságokat tükrözi. A lentebbi ábrán látható, az adatok egy tipikus halmaza - ezek különböző klaszterezési eljárásokkal különböző klaszterekbe sorolhatól, az eljárás előtt így fontos definiálni, hogy mi a célunk, mi a klaszter pontos fogalma számunkra. A klaszterezés kifejezésen kívül még gyakran használt kifejezés erre az eljárásra az automatizált osztályozás, numerikus taxonómia és tipológiai analízis. A klaszteranalízis megszületése Driver és Kroeber (1932) nevéhez köthető, míg pszichológiában ismertté Cattel (1943) tette a vonáselméleti klasszifikáció alkalmazása során.
prov:wasDerivedFrom
wikipedia-hu:Klaszteranalízis?oldid=23689471&ns=0
dbo:wikiPageLength
21686
foaf:isPrimaryTopicOf
wikipedia-hu:Klaszteranalízis
Subject Item
dbpedia-hu:Klaszter-analízis
dbo:wikiPageRedirects
dbpedia-hu:Klaszteranalízis
Subject Item
wikipedia-hu:Klaszteranalízis
foaf:primaryTopic
dbpedia-hu:Klaszteranalízis