Leseprobe
Inhalt
1 Einleitung
1.1 Was ist eine Clusteranalyse
1.2 Proximitätsmaße
2 Partitionierendes Clustering
2.1 K-Means Algorithmus
2.2 Initialisierung des K-Means
2.3 K-Means Umsetzung in R
3 Der Iris Datensatz
4 Dichtebasiertes Clustering DBSCAN
4.1 Dichteerreichbarkeit
4.2 DBSCAN Umsetzung in R
5 Fazit
Abbildungsverzeichnis
Quellenverzeichnis
Ende der Leseprobe aus 27 Seiten
- Arbeit zitieren
- Aylin Gürkan (Autor:in), 2018, Clustering. Die Clusteranalysen K-means und DBSCAN im Vergleich, München, GRIN Verlag, https://www.grin.com/document/452144
Kostenlos Autor werden
✕
Leseprobe aus
27
Seiten
Kommentare