حرکت از الگوریتم های k-Means وk-Medoids بهسمت الگوریتم CLARANS برای خوشه بندی پایگاه داده های بزرگ

خوشه بندی داده ها براساس شباهت از جمله مراحل مهم در تحلیل داده ها و یکی از ابزارهای پرکاربرد در حوزه ی داده کاوی است به ویژه در مورد مجموعه داده هایی که در آنها کشف ویژگیهای مشترک بین داده ها پیش از پردازش دشوار است تکنیکهای خوشه بندی جایگزین مناسبی برای تکنیکهای نظارت شده ای چون کلاسه بندی هستند دراین مقاله پس از برری جایگاه خوشه بندی در داده کاوی دو الگوریتم k-Means ، k-Medoids ، که از جمله پرکاربردترین الگوریتم ها در خوشه بندی هستند تحلیل شده و در نهایت الگوریتم CLARANS به عنوان روشی برای حل مشکل خوشه بندی پایگاه داده های بزرگ معرفی خواهد شد.