В основе узла «Иерархическая кластеризация» лежит алгоритм кластеризации, направленный на создание иерархии вложенных кластеров.
Алгоритм работы: Каждое наблюдение начинается в своем собственном кластере (Шаг 0), далее кластеры последовательно объединяются. Так, первоначально рассчитываются расстояния (расчет расстояния задает параметр Метрика) между наблюдениями, ближайшие из них объединяются в один кластер. Параметр Критерий объединения определяет стратегию слияния кластеров. Затем вычисляется расстояние между кластерами и ближайшие объединяются в один большой кластер. Слияние кластеров происходит до тех пор, пока не будет синтезирован один единый кластер (Шаг N).
...
Для остановки алгоритма необходимо указать в параметре Критерий остановки требуемый вариант – по достижению заданного количества кластеров, либо по минимальному расстоянию между кластерами.
Для определения значения количества кластеров или расстояния между кластерами рекомендуется воспользоваться дендрограммой в результатах узла.
...
| Scroll Title |
|---|
| title-position | top |
|---|
| title-alignment | right |
|---|
| title | Список параметров узла "Иерархическая кластеризация" |
|---|
|
Параметр | Возможные значения и ограничения | Описание |
|---|
Название | Ручной ввод
Ограничений на значение нет | Название узла, которое будет отображаться в интерфейсе | Описание | Ручной ввод
Ограничений на значение нет | Описание узла | Критерий остановки | Раскрывающийся список со следующими значениями: - Количество кластеров (по умолчанию)
- Расстояние
|
Данные Данный параметр отвечает за выбор критерия остановки алгоритма. Предусмотрены следующие методы: - Количество кластеров
Достигнуто указанное в параметре Количество кластеров значение - Расстояние
Достигнуто указанное в параметре Минимальное расстояние значение.
| Количество кластеров | Ручной ввод целочисленного значения
Число больше или равно 1
По умолчанию — 5 | Данный параметр задает число кластеров, на которые будет делиться пространство признаков. Действителен при выбранном Критерии остановки Количество кластеров | Минимальное расстояние | Ручной ввод
Число больше или равно 0
По умолчанию — 0 | Данный параметр задает минимальное расстояние между кластерами для остановки алгоритма. Действителен при выбранном Критерии остановки Расстояние
Для определения значения минимального расстояния можно воспользоваться Дендрограммой в результатах узла. | Стандартизация | Раскрывающийся список со следующими значениями: - Нет
- Стандартное отклонение
- Диапазон
|
Данные Данный параметр отвечает за выбор метода стандартизации числовых переменных.
Стандартизация – преобразование числовых наблюдений с целью приведения их к некоторой общей шкале. Необходимость стандартизации вызвана тем, что разные признаки из обучающего набора могут быть представлены в разных масштабах и изменяться в разных диапазонах, что влияет на выявление некорректных зависимостей моделью.
Предусмотрены следующие методы: - Нет.
- Стандартное отклонение – преобразует наблюдения таким образом, чтобы их среднее значение равнялось нулю, а стандартное отклонение равнялось 1.
- Диапазон – линейно преобразует значения переменных в диапазон [0, 1].
| Метрика | Раскрывающийся список со следующими значениями: - Евклидова метрика
- Манхэттенская метрика
- Косинус
|
Данные Данный параметр отвечает за выбор метрики, которая задает расчет расстояния между наблюдениями. Выбор метрики влияет на форму кластеров, поскольку некоторые элементы могут быть относительно ближе друг к другу по одной метрике, чем по другой.
Предусмотрены следующие метрики: - Евклидова метрика
- Манхэттенская метрика
- Косинус
| Критерий объединения | Раскрывающийся список со следующими значениями: - Ward (можно использовать только если в качестве метрики близости наблюдений выбрана Евклидова метрика)
- Average
- Maximum
- Minimum
| Метрика, используемая для объединения кластеров. Предусмотрены следующие метрики близости кластеров: - Ward
минимизирует сумму квадратов разностей во всех кластерах - Average
минимизирует среднее расстояние между всеми наблюдениями пар кластеров. - Maximum
сводит к минимуму максимальное расстояние между наблюдениями пар кластеров - Minimum
минимизирует расстояние между ближайшими наблюдениями пар кластеров
| Seed | Ручной ввод целочисленного значения
По умолчанию — 42 | Начальное числовое значение для генератора случайных чисел.
Используется для воспроизведения результатов при повторном запуске узла | Размер выборки | Ручной ввод целочисленного значения
Значение больше или равно 2
По умолчанию — 1000 | Данный параметр задает размер выборки, которая будет отображена на графике Силуэт в результатах узла | Расстояние между кластерами | Ручной ввод
Значение больше или равно 0
По умолчанию — 25 | Данный параметр задает расстояние между кластерами на графике Силуэт в результатах узла | Количество бинов | Ручной ввод целочисленного значения
Значение больше или равно 1
По умолчанию — 10 | Данный параметр задает количество бинов, на которое будет делиться количественная переменная на графике с параллельными осями в результатах узла | Переменные, по которым делать оси | Раскрывающийся список с выбором нескольких переменных | Данный параметр задает переменные, которые будут отражены на графике с параллельными осями в результатах узла | Максимальное количество линий | Ручной ввод целочисленного значения
Значение больше или равно 1
По умолчанию — 50 | Данный параметр задает максимальное количество линий, которые будут отражены на графике с параллельными осями в результатах узла |
|
Параметры узла «Иерархическая кластеризация»
...
| Scroll Title |
|---|
| title-alignment | center |
|---|
| title | Пример Silhouette Plot |
|---|
|
|
Значение Silhouette для каждого наблюдения (на графике отображается указанное в параметре Размер выборки число наблюдений) является мерой того, насколько это наблюдение похоже на наблюдения в собственном кластере по сравнению с наблюдениями в других кластерах.
Значение Silhouette находится в диапазоне от -1 до 1. Высокое значение указывает на то, что наблюдение хорошо соответствует собственному кластеру и плохо соответствует другим кластерам.
Если большинство наблюдений имеют низкое или отрицательное значение Silhouette, тогда пользователь должен перестроить кластеризацию с большим или меньшим количеством кластеров.
...
График в параллельных координатах позволяет интерпретировать построенные кластеры.
На данном графике каждой переменной присваивается собственная ось (согласно параметру Переменные, по которым делать оси). Оси располагаются параллельно друг другу, и каждая имеют имеет свою собственную шкалу. Начальная ось отражает кластер, к которому модель отнесла наблюдение. Каждое наблюдение наносится на график в виде линии (параметр параметр Максимальное количество линий), пересекающейся с каждой из осей. Таким образом, пользователь может выявить паттерны и корреляции между разными переменными.
...