Logo des Repositoriums
 
Zeitschriftenartikel

ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen

Vorschaubild nicht verfügbar

Volltext URI

Dokumententyp

Text/Journal Article

Zusatzinformation

Datum

2024

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik

Zusammenfassung

In diesem Beitrag wird die Webanwendung ClusterLabor (verfügbar unter ddi.informatik.uni-wuerzburg.de) vorgestellt. ClusterLabor ermöglicht eine interaktive Visualisierung und Analyse von Clusteralgorithmen in zweidimensionalen Datensätzen. Damit können verschiedene Algorithmen hinsichtlich ihrer Ergebnisse in Abhängigkeit von der gewünschten Anzahl an Clustern verglichen werden. Anwender können aus verschiedenen Beispieldatensätzen wählen, eigene Datensätze hochladen oder Datensätze direkt durch manuelle Eingabe generieren. Zum Clustern stehen verschiedene Methoden zur Verfügung: der k-Means-Algorithmus mit Varianten wie Lloyd oder MacQueen, der k-Medoids-Algorithmus sowie hierarchische Clusteranalyse mit unterschiedlichen Distanzmaßen und Fusionierungsalgorithmen. Ein besonderer Fokus liegt dabei auf dem Unsupervised Learning, einem Bereich der Künstlichen Intelligenz (KI), bei dem Algorithmen Muster und Strukturen in unbeschrifteten Daten selbstständig erkennen. Zur Bestimmung der "optimalen" Clusterzahl k sind zudem Visualisierungen des Elbow Plots (Ellenbogendiagramms), des Average Silhouette Plots (ASW-Kurve) sowie des Dendrogramms integriert.

Beschreibung

Andres, Daniela; Joachim, Silvia; Hennecke, Martin (2024): ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen. Informatische Bildung in Schulen (IBiS): Vol. 2, No. 2. DOI: 10.18420/ibis-02-02-09. Gesellschaft für Informatik. ISSN: 2941-7546

Zitierform

Tags