Überwachtes und unüberwachtes Lernen für die genetische Expression

Das Clustering von Attributen ist eine der unbeaufsichtigten Data-Mining-Anwendungen, die zuvor zur Ermittlung statistischer Abhängigkeiten zwischen Teilmengen von Variablen verwendet wurden. Auch hier sind Clustering-Techniken bei Data-Mining-Methoden wichtig, um die natürliche Struktur zu erforschen und interessante Muster in Originaldaten zu erkennen. In diesem Buch wurde die Theorie der rauen Mengen (RST) für das Clustering von Attributen verwendet. Die RST ist eine Theorie für den Umgang mit grobem und unsicherem Wissen, die die Cluster analysiert und die Datenprinzipien findet, wenn kein Vorwissen vorhanden ist. Nach der Implementierung der auf rauen Mengen basierenden Attribut-Clustering-Methode auf einem realen Datensatz werden diese mit Hilfe einiger traditioneller Klassifizierungstechniken klassifiziert.