Grunderna i hierarkisk klustring

Klusteranalys i Python

Shaumik Daityari

Business Analyst

Skapa en avståndsmatris med linkage

scipy.cluster.hierarchy.linkage(observations, 
                                method='single', 
                                metric='euclidean', 
                                optimal_ordering=False
)
  • method: hur närheten mellan kluster beräknas
  • metric: avståndsmått
  • optimal_ordering: ordnar datapunkter
Klusteranalys i Python

Vilken metod ska man välja?

  • 'single': baseras på de två närmaste objekten
  • 'complete': baseras på de två längst bort liggande objekten
  • 'average': baseras på det aritmetiska medelvärdet av alla objekt
  • 'centroid': baseras på det geometriska medelvärdet av alla objekt
  • 'median': baseras på medianen av alla objekt
  • 'ward': baseras på kvadratsumman
Klusteranalys i Python

Skapa klusteretikett med fcluster

scipy.cluster.hierarchy.fcluster(distance_matrix, 
                                 num_clusters,
                                 criterion
)
  • distance_matrix: utdata från linkage()-metoden
  • num_clusters: antal kluster
  • criterion: hur trösklar för klusterbildning avgörs
Klusteranalys i Python

Hierarkisk klustring med ward-metoden

Klusteranalys i Python

Hierarkisk klustring med single-metoden

Klusteranalys i Python

Hierarkisk klustring med complete-metoden

Klusteranalys i Python

Att tänka på när du väljer metod

  • Det finns ingen universellt rätt metod
  • Du behöver förstå datans fördelning noga
Klusteranalys i Python

Nu kör vi en övning!

Klusteranalys i Python

Preparing Video For Download...