Grundlagen der hierarchischen Clusteranalyse

Cluster Analysis in Python

Shaumik Daityari

Business Analyst

Distanzmatrix mit linkage erstellen

scipy.cluster.hierarchy.linkage(observations, 
                                method='single', 
                                metric='euclidean', 
                                optimal_ordering=False
)

method: wie die Nähe von Clustern berechnet wird
metric: Distanzmetrik
optimal_ordering: Reihenfolge der Datenpunkte

Welche Methode sollte man nutzen?

'single': basiert auf den zwei nächsten Objekten
'complete': basiert auf den zwei entferntesten Objekten
'average': basiert auf dem arithm. Mittel aller Objekte
'centroid': basiert auf dem geometr. Mittel aller Objekte
'median': basiert auf dem Median aller Objekte
'ward': basiert auf der Quadratsumme

Clusterlabels mit fcluster erzeugen

scipy.cluster.hierarchy.fcluster(distance_matrix, 
                                 num_clusters,
                                 criterion
)

distance_matrix: Ausgabe von linkage()
num_clusters: Anzahl der Cluster
criterion: wie Schwellwerte zur Clusterbildung festgelegt werden

Hierarchisches Clustering mit Ward-Methode

Hierarchisches Clustering mit Single-Methode

Hierarchisches Clustering mit Complete-Methode

Abschließende Hinweise zur Methodenauswahl

Keine Methode passt immer
Verteilung der Daten genau verstehen

Lass uns üben!

Cluster Analysis in Python

Preparing Video For Download...