Basi del clustering gerarchico

Analisi di cluster in Python

Shaumik Daityari

Business Analyst

Creare una matrice delle distanze con linkage

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

method: come calcolare la vicinanza tra cluster
metric: metrica di distanza
optimal_ordering: ordina i punti dati

Quale metodo usare?

'single': basato sui due oggetti più vicini
'complete': basato sui due oggetti più lontani
'average': basato sulla media aritmetica di tutti gli oggetti
'centroid': basato sulla media geometrica di tutti gli oggetti
'median': basato sulla mediana di tutti gli oggetti
'ward': basato sulla somma dei quadrati

Crea etichette di cluster con fcluster

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

distance_matrix: output di linkage()
num_clusters: numero di cluster
criterion: come fissare le soglie per formare cluster

Clustering gerarchico con metodo Ward

Clustering gerarchico con metodo single

Clustering gerarchico con metodo complete

Considerazioni finali sulla scelta del metodo

Nessun metodo è sempre il migliore
Capisci bene la distribuzione dei dati

Proviamo qualche esercizio

Analisi di cluster in Python

Preparing Video For Download...