พื้นฐานของ hierarchical clustering

การวิเคราะห์กลุ่มข้อมูลใน Python

Shaumik Daityari

Business Analyst

สร้าง distance matrix ด้วย linkage

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

method: วิธีคำนวณความใกล้ชิดระหว่างคลัสเตอร์
metric: ตัวชี้วัดระยะทาง
optimal_ordering: เรียงลำดับจุดข้อมูล

ควรเลือกใช้วิธีใด?

'single': ใช้วัตถุที่ใกล้กันที่สุด 2 ชิ้น
'complete': ใช้วัตถุที่ไกลกันที่สุด 2 ชิ้น
'average': ใช้ค่าเฉลี่ยเลขคณิตของวัตถุทั้งหมด
'centroid': ใช้ค่าเฉลี่ยเรขาคณิตของวัตถุทั้งหมด
'median': ใช้ค่ามัธยฐานของวัตถุทั้งหมด
'ward': ใช้ผลรวมของกำลังสอง

สร้าง cluster labels ด้วย fcluster

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

distance_matrix: ผลลัพธ์จากเมธอด linkage()
num_clusters: จำนวนคลัสเตอร์
criterion: เกณฑ์กำหนด threshold สำหรับการสร้างคลัสเตอร์

Hierarchical clustering ด้วยวิธี ward

Hierarchical clustering ด้วยวิธี single

Hierarchical clustering ด้วยวิธี complete

ข้อสรุปในการเลือกวิธี

ไม่มีวิธีใดที่เหมาะกับทุกสถานการณ์
ต้องทำความเข้าใจการกระจายตัวของข้อมูลอย่างรอบคอบ

มาฝึกกันเถอะ!

การวิเคราะห์กลุ่มข้อมูลใน Python

Preparing Video For Download...