Clustering is one of themost useful tasks in data mining process for discovering groups and identifyinginteresting distributions and patterns in the underlying data. Cluster analysisseeks to partition given data set into groups based on specified features sothat the data points within a group are more similar to each other than thepoints in different groups. Clustering can be performed in hard or fuzzy mode.One of the important conditions in order to reach accurate results inclustering analysis is to determine the initial parameters. In many studies,researchers do not have prior information about the number of clusters.Clustering algorithms in general need the number of clusters as a prior, whichis mostly hard for domain expert to estimate. In this work, in order toovercome this problem, cluster validity indices in literature were reviewed andthese indices were used in genetic data set. The result was simply analyzed andaccording to the analysis, validity indices do not always discover the optimalnumber of clusters.
Kümeleme, grupları keşfetmek ve veri setininaltında yatan ilginç dağılımları ve kalıpları saptamak için veri madenciliğiişleminde en yararlı yöntemlerden biridir. Kümeleme analizi verilen bir verikümesini belirlenmiş özelliklere göre gruplaraparçalama çabasıdır. Böylece bir grup içindeki veri noktaları, farklı gruptakinoktalara göre birbirine daha çok benzerdir. Kümeleme, sert veya bulanık moddagerçekleştirilebilir. Bulanık kümeleme analizinde sağlıklı ve anlamlı sonuçlaraulaşabilmek için önemli durum başlangıç parametrelerin belirlenmesidir. Kümelemeanalizlerinde genel olarak başlangıç küme sayısına ihtiyaç vardır ancak birveri kümesi için uygun küme sayısının önceden tahmin edilmesi alanın uzmanıiçin zor bir işlemdir. Bu çalışmada bu sorunun üstesinden gelebilmek için literatürdekigeçerlilik indeksleri araştırılmış ve genetik veri seti üzerinde uygulanmıştır.Sonuçlar basitçe analiz edilmiş olup bu indekslerin de her zaman en uygun sonuçvermediği görülmüştür.