Cluster-Verknüpfung und Praxis

Unüberwachtes Lernen in R

Hank Roark

Senior Data Scientist at Boeing

Cluster verknüpfen in der hierarchischen Clusteranalyse

Wie wird die Distanz zwischen Clustern bestimmt? Regeln?
Vier Methoden, um zu entscheiden, welche Cluster verknüpft werden
- Complete: paarweise Ähnlichkeit aller Beobachtungen in Cluster 1 und 2; nutzt die größte Ähnlichkeit
- Single: wie oben, nutzt die kleinste Ähnlichkeit
- Average: wie oben, nutzt den Durchschnitt der Ähnlichkeiten
- Centroid: findet den Schwerpunkt von Cluster 1 und 2 und nutzt die Ähnlichkeit der beiden Schwerpunkte

Verknüpfungsmethoden: Complete und Average

Dendrogramme: Complete und Average

Verknüpfungsmethode: Single

Dendrogramm: Single

Verknüpfungsmethode: Centroid

Dendrogramm: Centroid

Verknüpfung in R

# Hierarchische Cluster-Modelle mit verschiedenen Methoden fitten
hclust.complete <- hclust(d, method = "complete")
hclust.average <- hclust(d, method = "average")
hclust.single <- hclust(d, method = "single")

Praktisches

Daten auf unterschiedlichen Skalen können zu unerwünschten Clustering-Ergebnissen führen
Lösung: Daten skalieren, sodass Features gleichen Mittelwert und gleiche Standardabweichung haben
- Mittelwert eines Features von allen Beobachtungen abziehen
- Jedes Feature durch seine Standardabweichung teilen
- Normalisierte Features haben Mittelwert null und Standardabweichung eins

Praktisches

# Prüfen, ob Skalierung nötig ist
colMeans(x)

-0.1337828  0.0594019

apply(x, 2, sd)

1.974376 2.112357

Praktisches

# Neue Matrix mit Spalten: Mittelwert 0, SD 1 erzeugen
scaled_x <- scale(x)
colMeans(scaled_x)

2.775558e-17 3.330669e-17

apply(scaled_x, 2, sd)

1 1

Lass uns üben!

Unüberwachtes Lernen in R