نتایج دریافت شده از یادگیری ماشین بدون نظارت

بررسی های کلان ما علامت می بخشید که سبک های طراحی اپلیکیشن در مشهد یادگیری ماشین فارغ از تحقیق به طور کامل در در نظر گرفتن نقص های پروژه های داخلی و همچنین cross-project ها قابل مقایسه با سبک های بررسی گردیده بود. بین 14 خانواده از سبک های تحقیق گردیده Fuzzy C Means و Fuzzy SOMs سعی بهتری را دارا بودند. ضمن این از آنجایی که ما حاذق به تحقیق بودیم متوجه شدیم که حدودا 11 درصد از حاصل منتشر گردیده( که مشمول 16 نوشته‌ی‌علمی نیز بودند)از دید داخلی تناقض هایی را دارا بودند و 33 درصد از آن ها نیز جزئیات کافی را برای نظارت های ما مهیا نکرده بودند.

سود گیری
اگرچه فاکتورهای مختلفی میباشند که بر روی سعی یک classifier تاثیرگذار میباشند که به عنوان مثال این فاکتورها می شود به خصوصیت های گروه داده اشاره نمود اما روی هم رفته می قدرت اعلام‌کرد که در خلاصه ای که ما ارائه دادیم classifier های سوای پژوهش به لحاظ نمی‌رسد که تلاش بدتری را نسبت به classifier های تحقیق گردیده داشته باشند. با این درحال حاضر بایستی اعتنا کرد که ما نگرانی متعددی درباره موضوعاتی مثلا موضوعات پایین نداریم:

-          داشتن حاصل نادرست

-          نداشتن معیارهای زیاد

-          گزارشات ناقص

ولی می بایست اعتنا داشته باشید که ما پژوهشگران خویش را تشویق میکنیم تا گزارشات خویش را به طور جامع و بی نقص در چنگ ما قرار دهند تا حاصل به طور دقیقتر به تصویب رسد.