Effect of Parameter Selection on Fuzzy Clustering

Abstract

Clustering is one of the most useful tasks in data mining process for discovering groups and identifying interesting distributions and patterns in the underlying data. Cluster analysis seeks to partition given data set into groups based on specified features so that the data points within a group are more similar to each other than the points in different groups. Clustering can be performed in hard or fuzzy mode. One of the important conditions in order to reach accurate results in clustering analysis is to determine the initial parameters. In many studies, researchers do not have prior information about the number of clusters. Clustering algorithms in general need the number of clusters as a prior, which is mostly hard for domain expert to estimate. In this work, in order to overcome this problem, cluster validity indices in literature were reviewed and these indices were used in genetic data set. The result was simply analyzed and according to the analysis, validity indices do not always discover the optimal number of clusters.

Özet

Kümeleme, grupları keşfetmek ve veri setinin altında yatan ilginç dağılımları ve kalıpları saptamak için veri madenciliği işleminde en yararlı yöntemlerden biridir. Kümeleme analizi verilen bir veri kümesini belirlenmiş özelliklere göre gruplara parçalama çabasıdır. Böylece bir grup içindeki veri noktaları, farklı gruptaki noktalara göre birbirine daha çok benzerdir. Kümeleme, sert veya bulanık modda gerçekleştirilebilir. Bulanık kümeleme analizinde sağlıklı ve anlamlı sonuçlara ulaşabilmek için önemli durum başlangıç parametrelerin belirlenmesidir. Kümeleme analizlerinde genel olarak başlangıç küme sayısına ihtiyaç vardır ancak bir veri kümesi için uygun küme sayısının önceden tahmin edilmesi alanın uzmanı için zor bir işlemdir. Bu çalışmada bu sorunun üstesinden gelebilmek için literatürdeki geçerlilik indeksleri araştırılmış ve genetik veri seti üzerinde uygulanmıştır. Sonuçlar basitçe analiz edilmiş olup bu indekslerin de her zaman en uygun sonuç vermediği görülmüştür.