Basis van hiërarchisch clusteren

Clusteranalyse in Python

Shaumik Daityari

Business Analyst

Afstandsmatrix maken met linkage

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

method: hoe de nabijheid van clusters wordt berekend
metric: afstandsmaat
optimal_ordering: volgorde van datapunten

Welke methode moet je gebruiken?

'single': gebaseerd op twee dichtstbijzijnde objecten
'complete': gebaseerd op twee verst uit elkaar liggende objecten
'average': gebaseerd op het rekenkundig gemiddelde van alle objecten
'centroid': gebaseerd op het meetkundig gemiddelde van alle objecten
'median': gebaseerd op de mediaan van alle objecten
'ward': gebaseerd op de som van kwadraten

Clusterlabels maken met fcluster

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

distance_matrix: output van linkage()
num_clusters: aantal clusters
criterion: hoe drempels worden bepaald om clusters te vormen

Hiërarchisch clusteren met ward-methode

Hiërarchisch clusteren met single-methode

Hiërarchisch clusteren met complete-methode

Laatste tips voor methodekeuze

Geen één juiste methode voor alles
Begrijp de verdeling van je data goed

Laten we oefenen!

Clusteranalyse in Python

Preparing Video For Download...