Subsymbolische Clustering-Algorithmen liefern schöne anschauliche Ergebnisse, so die Daten im Zwei- oder Dreidimensionalen liegen. Sonst hat man Probleme. Zudem gibt es Umstände, wo man lieber Regeln statt Clustern hätte (Fuzzy-Regelung, Expertensysteme, ...).
Aus Fuzzy-Clustering-Ergebnissen kann man relativ leicht
approximative Fuzzy-Regeln gewinnen:
Pro Prototyp gibt's eine Regel.
Man projiziert die Prototypen auf alle Dimensionen und bildet
Dreiecksfunktionen mit Spitze in den Prototypen und
einer den Daten des Prototypen angeschmiegten Schräge. Das
ergibt
wenn-dann'-Regeln:
Wenn (Fuzzy Menge-in Dimension 1)
und
(Fuzzy Menge-in Dimension 2)
und ... und
(Fuzzy Menge-in Dimension n-1)
dann
(Fuzzy Menge-in Dimension n).
>>> Implementieren Sie dieses Verfahren. Sie können es für einfache Clusteraufgaben testen oder vielleicht sogar einen kleinen Regler damit bauen.