A interpretação de clusters, ou grupos, é parte fundamental do processo de agrupamento de dados (clustering). Após a geração dos clusters, o especialista do domínio deve definir representações conceituais (descrições) para cada grupo criado com base em medidas de proximidade ou modelos matemáticos complexos. Este trabalho apresenta um método de apoio ao aprendizado de máquina não supervisionado que auxilia o especialista do domínio na interpretação dos resultados de algoritmos de agrupamento de dados. O método apresentado passa pelas fases de aquisição e tratamento dos dados, definição do algoritmo de agrupamento e da medida de proximidade, avaliação da qualidade dos grupos e interpretação dos clusters. Nesta última fase avalia-se a aplicação do aprendizado não supervisionado para reagrupar elementos armazenados em uma matriz de partição com o intuito de facilitar o entendimento dos clusters.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.