figura II: mostrando exemplo, onde a escalabilidade pode leva ao resultado errado
2) algoritmo de Clustering deve ser capaz de lidar com diferentes tipos de atributos.
3) o algoritmo de agrupamento deve ser capaz de encontrar dados agrupados com a forma arbitrária.
4) o algoritmo de agrupamento deve ser insensível ao ruído e aos valores anómalos.
5) interpretação-capacidade e usabilidade – resultado obtido deve ser interpretável e utilizável para que o conhecimento máximo sobre
os parâmetros de entrada possam ser obtidos.,
6) clustering algorithm must be able to deal with data set of high dimensionality.
algoritmos de agrupamento podem ser classificados em duas categorias:
1) sem supervisão linear algoritmos de agrupamento e
2) não Supervisionada, não-linear, algoritmos de agrupamento
I. Vigilância linear algoritmo de clustering
k-means clustering do algoritmo Fuzzy c-means algoritmo de clustering Hierárquico algoritmo de clustering de Gauss(EM) algoritmo de clustering limite de Qualidade de algoritmo de clustering
II., Algoritmo de agrupamento não linear não supervisionado
algoritmo de agrupamento baseado em MST K-significa algoritmo de agrupamento baseado na densidade do algoritmo