Datové klastry

Shluky

Shluky jsou soubory dat založené na podobnosti.

Datové body seskupené v grafu lze často klasifikovat do shluků.

V níže uvedeném grafu můžeme rozlišit 3 různé shluky:

Identifikace klastrů

Shluky mohou obsahovat mnoho cenných informací, ale shluky mají nejrůznější tvary, jak je tedy můžeme rozpoznat?

Dvě hlavní metody jsou:

• Použití vizualizace
• Použití shlukovacího algoritmu

Shlukování

Clustering je druh učení bez dozoru .

Clustering se snaží:

• Sbírejte podobná data ve skupinách
• Sbírejte odlišná data v jiných skupinách

Metody shlukování

• Metoda hustoty
• Hierarchická metoda
• Metoda dělení
• Metoda založená na mřížce

Metoda hustoty se domnívá, že body v hustých oblastech mají více podobností a rozdílů než body v oblasti s nižší hustotou. Metoda hustoty má dobrou přesnost. Má také schopnost slučovat clustery.
Dva běžné algoritmy jsou DBSCAN a OPTICS.

Hierarchická metoda tvoří shluky ve stromové struktuře. Nové shluky se tvoří pomocí dříve vytvořených shluků.
Dva běžné algoritmy jsou CURE a BIRCH.

Metoda založená na mřížce formuluje data do konečného počtu buněk, které tvoří strukturu podobnou mřížce.
Dva běžné algoritmy jsou CLIQUE a STING

Metoda rozdělení rozděluje objekty do k clusterů a každý oddíl tvoří jeden cluster.
Jedním z běžných algoritmů je CLARANS.

Korelační koeficient

Korelační koeficient ( r) popisuje sílu a směr lineárního vztahu a x/y proměnných na bodovém grafu.

Hodnota r je vždy mezi -1 a +1: