Eğitimsiz, yarı-eğitimli ve eğitimli algoritmalar kullanılarak kümeleme ve sınıflandırma yöntemleri

İstatistiksel öğrenme, makine öğrenme ve veri madenciliği çok değişkenli istatistiksel analizle ilgili çalışma alanlarına karşılık gelir. Bu yöntemlerin ortak özellikleri verinin analizi ve yorumu, genelde büyük veri kümelerinin ele alınması ve analizlerde sayısal yöntemlerin kullanılmasıdır. Bunlar, temel amacı doğal olaylara bakış açısı sağlamak olan, parametrik olmayan modeller ve çıkarımsal yöntemleri içeren veri davranışına dair modelleri karşılaştırarak verinin yorumlanmasında kullanılan yöntemlerdir. Tipik uygulamalarda veri yapısı oldukça heterojen ve dağınıktır; bu nedenle çok boyutlu veri tiplerinde kullanılan temel yöntemler etkin olmayabilir. Dolayısıyla farklı veri tipleri bağlamında dayanıklı öğrenme algoritmalarına daha fazla önem verme ihtiyacı doğmuştur. Bu çalışmada büyük verilerin kümelenmesinde daha yüksek sınıflama yüzdesi ve zaman gözlemleri ile karmaşık uzayların tahmini için bir temel sağlayacak eğitmenli olmayan, yarı eğitmenli ve eğitmenli öğrenme algoritmaları aracılığıyla veri madenciliği yöntemlerinin uygulamaları önerilmiştir.