Classification automatique ou mise en grappe
AutoClass résout le problème de la découverte automatique de classes dans
des données (parfois appelé clustering ou unsupervised learning) à la
différence de la génération de description de classes à partir d'exemples
nommés (appelé supervised learning). Il essaie de découvrir des classes
« naturelles » dans les données. AutoClass est applicable à des
observations de choses qui peuvent être décrites par un ensemble
d'attributs, sans se référer à d'autres éléments. Les valeurs de données
correspondantes à chaque attribut sont limitées à être soit des nombres ou
les éléments d'un ensemble fixé de symboles. Avec des données
numériques,
une erreur de mesure doit être fournie.
