Cluster di dati

Cluster

I cluster sono raccolte di dati basate sulla somiglianza.

I punti dati raggruppati insieme in un grafico possono essere spesso classificati in gruppi.

Nel grafico sottostante possiamo distinguere 3 diversi cluster:

Identificazione dei cluster

I cluster possono contenere molte informazioni preziose, ma i cluster hanno tutti i tipi di forme, quindi come possiamo riconoscerli?

I due metodi principali sono:

• Utilizzo della visualizzazione
• Utilizzo di un algoritmo di clustering

Raggruppamento

Il clustering è un tipo di apprendimento non supervisionato .

Il clustering sta cercando di:

• Raccogli dati simili in gruppi
• Raccogli dati dissimili in altri gruppi

Metodi di raggruppamento

• Metodo di densità
• Metodo gerarchico
• Metodo di partizionamento
• Metodo basato su griglia

Il metodo della densità considera i punti in una regione densa con più somiglianze e differenze rispetto ai punti in una regione densa inferiore. Il metodo della densità ha una buona precisione. Ha anche la capacità di unire i cluster.
Due algoritmi comuni sono DBSCAN e OPTICS.

Il metodo gerarchico forma i cluster in una struttura ad albero. Nuovi cluster vengono formati utilizzando cluster precedentemente formati.
Due algoritmi comuni sono CURE e BIRCH.

Il metodo basato sulla griglia formula i dati in un numero finito di celle che formano una struttura a griglia.
Due algoritmi comuni sono CLIQUE e STING

Il metodo di partizionamento partiziona gli oggetti in k cluster e ogni partizione forma un cluster.
Un algoritmo comune è CLARANS.

Coefficiente di correlazione

Il coefficiente di correlazione (r) descrive la forza e la direzione di una relazione lineare e delle variabili x/y su un grafico a dispersione.

Il valore di r è sempre compreso tra -1 e +1: