Automatyczna klasyfikacja lub klastrowanie
AutoClass rozwiązuje problem automatycznego wykrywania klas w danych
(czasami nazywane grupowaniem lub uczeniem się bez nadzoru), w odróżnieniu
od generowania opisów klas z etykietowanych przykładów (nazywane uczeniem
nadzorowanym). Jego celem jest odkrywanie "naturalnych" klas w danych.
AutoClass ma zastosowanie do obserwacji rzeczy, które można opisać za
pomocą zestawu atrybutów, bez odwoływania się do innych rzeczy. Wartości
danych odpowiadające każdemu atrybutowi ograniczone są do liczb lub
elementów ustalonego zestawu symboli. W przypadku danych liczbowych należy
podać błąd pomiaru.
