Кластеры данных

Кластеры

Кластеры — это наборы данных, основанные на сходстве.

Точки данных, сгруппированные вместе на графике, часто можно разделить на кластеры.

На графике ниже мы можем выделить 3 разных кластера:

Идентификация кластеров

Кластеры могут содержать много ценной информации, но кластеры бывают самых разных форм, так как же мы можем их распознать?

Два основных метода:

• Использование визуализации
• Использование алгоритма кластеризации

Кластеризация

Кластеризация — это тип обучения без учителя .

Кластеризация пытается:

• Соберите похожие данные в группы
• Собирайте разнородные данные в других группах

Методы кластеризации

• Метод плотности
• Иерархический метод
• Метод разделения
• Сеточный метод

Метод плотности считает, что точки в плотных регионах имеют больше сходств и различий, чем точки в менее плотных регионах. Плотностный метод имеет хорошую точность. Он также имеет возможность объединять кластеры.
Двумя распространенными алгоритмами являются DBSCAN и OPTICS.

Иерархический метод формирует кластеры в виде древовидной структуры. Новые кластеры формируются с использованием ранее сформированных кластеров.
Двумя распространенными алгоритмами являются CURE и BIRCH.

Метод на основе сетки формулирует данные в конечное число ячеек, которые образуют структуру, подобную сетке.
Два распространенных алгоритма: CLIQUE и STING.

Метод секционирования разделяет объекты на k кластеров, и каждый раздел образует один кластер.
Одним из распространенных алгоритмов является CLARANS.

Коэффициент корреляции

Коэффициент корреляции (r) описывает силу и направление линейной зависимости и переменных x/y на диаграмме рассеяния.

Значение r всегда находится в диапазоне от -1 до +1: