Pengelompokan: linkage dan hal praktis

Unsupervised Learning di R

Hank Roark

Senior Data Scientist at Boeing

Menghubungkan klaster pada hierarchical clustering

Bagaimana jarak antar klaster ditentukan? Aturannya?
Empat metode untuk menentukan klaster mana yang dihubungkan
- Complete: kemiripan berpasangan semua observasi di klaster 1 dan 2, gunakan kemiripan terbesar
- Single: sama, tapi gunakan kemiripan terkecil
- Average: sama, tapi gunakan rata-rata kemiripan
- Centroid: cari centroid klaster 1 dan 2, gunakan kemiripan antar centroid

Metode linkage: complete dan average

dendrogram complete dan average

Metode linkage: single

dendrogram single

Metode linkage: centroid

dendrogram centroid

Linkage di R

# Memasang model hierarchical clustering dengan berbagai metode
hclust.complete <- hclust(d, method = "complete")
hclust.average <- hclust(d, method = "average")
hclust.single <- hclust(d, method = "single")

Hal praktis

Skala fitur berbeda dapat memberi hasil klaster yang tidak diinginkan
Solusinya: skala data agar fitur punya mean dan simpangan baku yang sama
- Kurangi setiap nilai fitur dengan meannya
- Bagi setiap fitur dengan simpangan bakunya
- Fitur terstandar punya mean 0 dan simpangan baku 1

Hal praktis

# Cek apakah penskalaan diperlukan
colMeans(x)

-0.1337828  0.0594019

apply(x, 2, sd)

1.974376 2.112357

Hal praktis

# Buat matriks baru dengan kolom ber-mean 0 dan sd 1
scaled_x <- scale(x)
colMeans(scaled_x)

2.775558e-17 3.330669e-17

apply(scaled_x, 2, sd)

1 1

Ayo berlatih!

Unsupervised Learning di R