Cluster analyses play a very important role in data mining process. A critical and important issue is to decide outliers, potential cluster structures, optimal number of clusters, to choose suitable cluster algorithms and to effectively evaluate the cluster results in cluster analysis. Various quantitative methods can overcome the problems. However, using the quantitative methods, some details can be missed that the details would be important. In the article, dealing with visual data mining techniques, with human visual system’ supports, is showed how to effectively decide outliers, potential cluster structures, optimal number of clusters, choose suitable cluster algorithms and evaluate the cluster results in cluster analysis. In this way, more efficient the result of clustering can found in the field of data mining.

Veri madenciliği çalışmalarında kümeleme analizleri önemli bir yer teşkil etmektedir. Kümeleme analizlerinde sapan değerlerin, potansiyel küme yapılarının, uygun küme sayılarının keşfi, uygun kümeleme algoritmalarının seçimi ve küme sonuçlarının değerlendirilmesi kritik bir öneme sahiptir. Çeşitli, sayısal yöntemlerle bu tür sorunların üstesinden gelinebilir. Ancak sayısal yöntemlerle bazı önemli olabilecek ayrıntılar gözden kaçırılabilir. Bu çalışmada görsel veri madenciliği yöntemleri yardımıyla, insan algı sisteminin de devreye girmesiyle etkili bir şekilde, sapan değerlerin, potansiyel küme yapılarının, küme sayılarının keşfedilebileceği, uygun kümeleme algoritmalarının seçilebileceği ve küme sonuçlarının değerlendirilebileceği gösterilmiştir. Bu sayede veri madenciliği alanında daha etkin küme sonuçlarına ulaşılabilinecektir.