In exploratory data analysis and machine learning, partitioning clustering is a frequently used unsupervised learning technique for finding the meaningful patterns in numeric datasets. Clustering aims to identify and classify the objects or the cases in datasets in practice. The clustering quality or the performance of a clustering algorithm is generally evaluated by using the internal validity indices. In this study, an R package named 'fcvalid' is introduced for validation of fuzzy and possibilistic clustering results. The package implements a broad collection of the internal indices which have been proposed to validate the results of fuzzy clustering algorithms. Additionally, the options to compute the generalized and extended versions of the fuzzy internal indices for validation of the possibilistic clustering are also included in the package.
The Unit of Scientific Research Projects of Çukurova University
FBA-2019-10285
Supplementary materials including the manual and codes of the package 'fcvalid' can be downloaded from GitHub at https://github.com/zcebeci/fcvalid.
Bölümleyici kümeleme, keşifsel veri analizi ve makine öğrenmesinde sayısal veri kümelerindeki anlamlı örüntüleri bulmak için yaygın olarak kullanılan denetimsiz öğrenme tekniklerinden biridir. Kümeleme, pratikte veri kümesindeki nesneleri veya olguları tanımayı ve sınıflandırmayı amaçlar. Bir kümeleme analizinin kalitesi veya bir kümeleme algoritmasının performansı genellikle iç geçerlilik endeksleri kullanılarak değerlendirilir. Bu çalışmada, bulanık ve olabilirlikli kümeleme sonuçlarının doğrulanması için 'fcvalid' adında bir R paketinin işlevleri tanıtılmaktadır. Paket, bulanık kümeleme algoritmalarının sonuçlarını doğrulamak için önerilen çok sayıda iç endeksin uygulamasını içermektedir. Ayrıca, olabilirlikli kümelemenin doğrulanması için bulanık iç endekslerin genelleştirilmiş ve genişletilmiş sürümlerini hesaplama seçenekleri de pakete dâhil edilmiştir.
FBA-2019-10285
Primary Language | English |
---|---|
Subjects | Software Engineering (Other) |
Journal Section | Articles |
Authors | |
Project Number | FBA-2019-10285 |
Publication Date | April 30, 2020 |
Submission Date | December 24, 2019 |
Acceptance Date | April 14, 2020 |
Published in Issue | Year 2020Volume: 3 Issue: 1 |
The papers in this journal are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License