Практика 2_ИВМО-04-22_Куликова_Кластерный анализ

Содержание

Слайд 2

Оглавление

Кластерный анализ: понятие и применение
История возникновения метода
3. Методы кластерного анализа и его

Оглавление Кластерный анализ: понятие и применение История возникновения метода 3. Методы кластерного
специфика
4. Меры расстояния
5. Алгоритмы объединения в кластеры

Слайд 3

1. Кластерный анализ: понятие и применение

Кластерный анализ – группа методов, используемых для

1. Кластерный анализ: понятие и применение Кластерный анализ – группа методов, используемых
классификации объектов или событий в относительно гомогенные (однородные) группы, которые называют кластерами (clusters).
Кластерный анализ применяется для разбиения исходных данных на поддающиеся интерпретации группы, таким образом, чтобы элементы, входящие в одну группу были максимально «схожи», а элементы из разных групп были максимально «отличными» друг от друга.

Слайд 4

Кластерный анализ в теории

Кластерный анализ в теории

Слайд 5

Кластерный анализ на практике

Кластерный анализ на практике

Слайд 6

2. История возникновения метода

Первые работы, описывающие методы кластерного анализа относятся к концу

2. История возникновения метода Первые работы, описывающие методы кластерного анализа относятся к
30-х годов.
Считается, что термин «кластерный анализ» первым в употребление ввёл американский психолог из университета Беркли Роберт Трайон (Robert C. Tryon) в 1939.
Однако активный интерес к данной теме пришёлся на период 60-80 гг.
Импульсом для разработки многих кластерных методов послужила книга «Начала численной таксономии», опубликованная в 1963 г. Двумя биологами — Робертом Сокэлом и Петером Снитом
(Sneath, Sokal).

Слайд 7

4. Методы кластерного анализа и его специфика

Кластерный анализ делится на несколько этапов.
1.

4. Методы кластерного анализа и его специфика Кластерный анализ делится на несколько
Спецификация проблемы, т. е. выбор переменных, на основе которых будет производиться кластеризация.
2. Выбор меры расстояния между объектами.
3. Преобразование переменных.
4. Выбор метода кластеризации.
5. Задание количества кластеров.
6. Интерпретация полученных результатов.
7. Оценка эффективности кластерного анализа.

Слайд 8

Методы кластерного анализа

1. АГГЛОМЕРАТИВНЫЕ
2. ДИВИЗИВНЫЕ

Методы кластерного анализа 1. АГГЛОМЕРАТИВНЫЕ 2. ДИВИЗИВНЫЕ

Слайд 9

5.Меры расстояния

Для того чтобы определить близость, или схожесть, различных объектов, необходимо ввести

5.Меры расстояния Для того чтобы определить близость, или схожесть, различных объектов, необходимо
количественную величину, характеризующую эту близость (схожесть). Естественным представляется ввести некоторую меру расстояния между объектами, аналогичную обычному физическому пространству.

Слайд 10

В кластерном анализе используют следующие меры для измерения расстояний.
1. Евклидово расстояние (Euclidean

В кластерном анализе используют следующие меры для измерения расстояний. 1. Евклидово расстояние
distances). Вычисляется по формуле (по исходным, а не по стандартизованным данным):
расстояние(x,y) = [Σi (xi - yi)2]1/2
2. Квадрат евклидова расстояния (Squared Euclidean distances). 
расстояние(x,y) = Σi (xi - yi)2
3. Расстояние городских кварталов (City-block (Manhattan) distances). 
расстояние(x,y) =  Σi |xi - yi|

Слайд 11

4. Расстояние Чебышева (Chebychev ditances metric).
расстояние(x,y) = Максимум|xi - yi|
5. Степенное

4. Расстояние Чебышева (Chebychev ditances metric). расстояние(x,y) = Максимум|xi - yi| 5.
расстояние.
расстояние(x,y) = (Σi|xi - yi|p)1/r
где r и p - параметры, определяемые пользователем. Если оба они равны 2, то это расстояние совпадает с расстоянием Евклида.
6. Процент несогласия (Percent disagreement). 
расстояние(x,y) = (Количество xi ≠ yi)/ i

Слайд 12

6. Алгоритмы объединения в кластеры

Существует ряд методов для объединения в кластеры.
1. Метод

6. Алгоритмы объединения в кластеры Существует ряд методов для объединения в кластеры.
ближайшего соседа (Euclidean distances) одиночная связь, Single linkage).
2. Метод наиболее удаленного соседа (полная связь, Complete linkage).
3. Невзвешенное попарное среднее (Unweighted pair-group average).
4. Взвешенное попарное среднее (Weighted pair-group average).

5. Невзвешенный центроидный метод (Unweighted pair-group centroid).
6. Взвешенный центроидный метод (Euclidean distances)медиана).
7. Метод Варда (Ward's method).

Имя файла: Практика-2_ИВМО-04-22_Куликова_Кластерный-анализ.pptx
Количество просмотров: 38
Количество скачиваний: 0