بررسی تاثیر نرمال سازی داده ها و صحت قرار گیری داده در خوشه توسط الگوریتم های خوشه بندی در داده کاوی

داده کاوی یکی از پیشرفت های اخیر در حوزه کامپیوتر برای کشف عمقی دادها می باشدکه در این بین ، خوشه بندی از مهمترین الگوریتم های داده کاوی بشمار می آید و کاربرد بسیاری در کشف دانش دارد. الگوریتم های خوشه بندی اطلاعاتی را که ویژگی های نزدیک به هم و مشابه دارند را در دسته های جداگانه که به آن خوشه گفته می شود قرار می دهند .به دلیل کاربرد بسیار آن در کشف دآنش ، در این مقاله سعی بر آن داریم تا با اجرای الگوریتم هایی از دسته خوشه بندی (K-means و K-means fast و K-medoids و X-means) بر روی چندین داده نمونه و استفاده از برنامه تشخیص صحت قرارگیری داده ها در خوشه ، میزان رسیدن به خوشه هایی با بیشترین شباهت در بین اشیا یک خوشه و بیشترین تفاوت بین اشیا خوشه های دیگر را ،مورد بررسی قرار دهیم. در قسمت اول این مقاله بنابر نیاز ابتدا توضیحاتی در مورد داده کاوی و روش های نرمال سازی داده ها ارائه می گردد و پس از آن با شروع مبحث خوشه بندی مفاهیم و قوانین استفاده شده در راستای اهداف مقاله مورد بحث قرار میگیرند و در انتها آزمایشات و نتایج حاصل از آن قرار خواهد گرفت تا بتوانیم بررسی ای بر روی نتایج حاصل از الگوریتم های فوق داشته باشیم و تاثیرات نرمال سازی داده ها را نمایان خواهیم نمود.