第 二 題

在 CF Tree 的內部節點（Internal Node）中，除了包含指向子節點的指標（Pointer）之外，主要儲存的是 Clustering Feature（CF）的摘要資訊，用以代表其子節點中所有資料點的聚合特徵。具體的 CF 組成為：

1. N：該子樹所包含的資料點總數。
2. LS（Linear Sum）：該子樹所有資料點各維度數值的線性總和。

BIRCH 演算法主要適用於連續數值型資料（Numerical Data），因為其核心機制（Clustering Feature, CF）需要透過計算資料點的總和與平方和來獲得質心與半徑，這些運算建立在資料之間可以使用歐幾里得距離或其他數值距離進行度量的基礎上。

BIRCH 透過建立「聚類特徵樹（CF Tree）」來壓縮資料。由於每個節點僅儲存資料聚合後的統計量（即 CF 值：資料筆數 N、線性和 LS、平方和 SS），而無需儲存原始資料點，大幅降低了記憶體需求。當插入新資料導致 CF Tree 大小即將超過記憶體容量限制時，系統會自動提高「半徑閥值（Threshold）」，並重新掃描現有的 CF 葉節點將其合併重建為一棵更為精簡的新樹，進而能夠在有限記憶體下持續處理大量資料。

轉折點法（Elbow curve method）是一種決定最佳群組數 k 值的啟發式方法，其做法如下：

1. 設定一組潛在的 k 值範圍（例如從 k=1 到 k=10）。
2. 針對每一個 k 值，執行 k-means 演算法，並計算該分群結果的「群內誤差平方和（Sum of Squared Errors, SSE）」或相似的誤差指標。