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.
Список параметров узла представлен в таблице ниже.
Параметр | Возможные значения и ограничения | Описание |
---|---|---|
Название | Ручной ввод | Название узла, которое будет отображаться в интерфейсе |
Описание | Ручной ввод | Описание узла |
Критерий остановки | Раскрывающийся список со следующими значениями:
| Данный параметр отвечает за выбор критерия остановки алгоритма. Предусмотрены следующие методы:
|
Количество кластеров | Ручной ввод целочисленного значения | Данный параметр задает число кластеров, на которые будет делиться пространство признаков. Действителен при выбранном Критерии остановки Количество кластеров |
Минимальное расстояние | Ручной ввод | Данный параметр задает минимальное расстояние между кластерами для остановки алгоритма. Действителен при выбранном Критерии остановки Расстояние |
Стандартизация | Раскрывающийся список со следующими значениями:
| Данный параметр отвечает за выбор метода стандартизации числовых переменных.
|
Метрика | Раскрывающийся список со следующими значениями:
| 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.
|
Критерий объединения | Раскрывающийся список со следующими значениями:
| Метрика, используемая для объединения кластеров. Предусмотрены следующие метрики близости кластеров:
|
Seed | Ручной ввод целочисленного значения | Начальное числовое значение для генератора случайных чисел. |
Размер выборки | Ручной ввод целочисленного значения | Данный параметр задает размер выборки, которая будет отображена на графике Силуэт в результатах узла |
Расстояние между кластерами | Ручной ввод | Данный параметр задает расстояние между кластерами на графике Силуэт в результатах узла |
Количество бинов | Ручной ввод целочисленного значения | 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 | Данный параметр задает максимальное количество линий, которые будут отражены на графике с параллельными осями в результатах узла |
Параметры узла «Иерархическая кластеризация»
Результаты выполнения узла:
- Круговая диаграмма с количеством наблюдений по кластерам.
При наведении курсора мыши на сектор кластера можно узнать количество наблюдений в нем.
- Силуэт – 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.
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 имеет свою собственную шкалу. Начальная ось отражает кластер, к которому модель отнесла наблюдение. Каждое наблюдение наносится на график в виде линии (параметр Максимальное количество линий), пересекающейся с каждой из осей. Таким образом, пользователь может выявить паттерны и корреляции между разными переменными.
- Дендрограмма кластеризации.
Дендрограмма показывает близость отдельных наблюдений и кластеров, а также последовательность их объединения. Количество уровней соответствует количеству слияний кластеров. По оси Y расположена шкала, на которой откладывается расстояние между объектами в пространстве признаков.
- Таблица с примером данных. Отображаются первые 100 наблюдений.
В результате выполнения узла будет рассчитана новая переменная с результатами кластеризации (переменная Cluster_ID0).
- Таблица со статистиками по переменным кластера. По каждому кластеру отражены среднее и стандартное отклонение для каждой переменной.