В основе узла «Иерархическая кластеризация» лежит алгоритм кластеризации, направленный на создание иерархии вложенных кластеров.
Алгоритм работы: первоначально рассчитывается расстояние между точками (наблюдениями), ближайшие из них объединяются в один класс (Шаг 1 и Шаг 2). Расчет расстояния задает параметр «Метрика», параметр «Критерий объединения» определяет стратегию слияния кластеров. Затем вычисляется расстояние между классами и ближайшие объединяются в один большой класс (Шаг 3). Слияние классов происходит до тех пор, пока не будет синтезирован один класс (Шаг 4).


 Для остановки алгоритма необходимо указать в параметре Критерий остановки требуемый вариант – по достижении заданного количества кластеров, либо по минимальному расстоянию между кластерами.
Для определения значения количества кластеров или расстояния между кластерами рекомендуется воспользоваться дендрограммой в результатах узла.

Список параметров узла представлен в таблице.


Таблица «Параметры 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.

Данный параметр отвечает за выбор критерия остановки. 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 векторное пространство. Действителен при выбранном критерии остановки «Количество кластеров»

Стандартизация

Раскрывающийся список со следующими значениями:

  • Нет.
  • Стандартное отклонение.
  • Диапазон.

Данный параметр отвечает за выбор метода стандартизации данных. 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:

  • L1.
  • L2.
  • Евклидова метрика.
  • Манхэттенская метрика.
  • Косинус.

Данный параметр отвечает за выбор метрики, которая влияет на форму кластеров.

Критерий объединения

Раскрывающийся список со следующими значениями:

  • Ward (можно использовать, только если в качестве метрики близости наблюдений выбрана Евклидова метрика).
  • Average.
  • Complete.
  • Single.

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.
  • Complete. Сводит к минимуму максимальное расстояние между наблюдениями пар кластеров.
  • Single. Минимизирует расстояние между ближайшими наблюдениями пар кластеров.

Сид иерархической кластеризации

Ручной ввод целочисленного значения.
По умолчанию — 42.

Начальное числовое значение для генератора случайных чисел.

Размер выборки

Ручной ввод целочисленного значения.
Значение больше или равно 2.
По умолчанию — 1000.

Данный параметр задает размер выборки для графика «Силуэт».

Расстояние между кластерами

Ручной ввод.
Значение больше или равно 0.
По умолчанию — 25.

Данный параметр задает расстояние между кластерами для графика «Силуэт».

Количество бинов

Ручной ввод целочисленного значения.
Значение больше или равно 1.
По умолчанию — 10.

Данный параметр задает количество бинов для графика с параллельными осями.

Переменные, по которым делать оси

Раскрывающийся список с выбором нескольких переменных.

Данный параметр задает переменные для графика с параллельными осями.

Максимальное количество линий

Ручной ввод целочисленного значения.
Значение больше или равно 1.
По умолчанию — 50.

Данный параметр задает максимальное количество линий, которые будут отображаться на графике с параллельными осями.


Результаты выполнения узла:




Графические результаты