Лекции / Лекция №10 часть 2 (презентация с анимацией)

1

КЛАСТЕРНЫЙ АНАЛИЗ

2

Кластерный анализ

Многомерная статистическая процедура:

•Сбор данных

•Упорядочивание

•Статистическая обработка

•Обучения без учителя

3

Обучение без учителя

Испытуемая система спонтанно обучается выполнять поставленную задачу без вмешательства со стороны экспериментатора.

•Известны описания множества объектов (обучающей выборки)

•Требуется обнаружить внутренние взаимосвязи, зависимости, закономерности, существующие между объектами.

4

История

Термин «кластерный анализ» (англ. cluster — гроздь, сгусток, пучок) предложен математиком Р. Трионом.

5

Особенности

Использование:

•Археология

•Медицина

•Психология

•Химия

•Биология

•Государственное управление

•Филология

•Антропологии

•Маркетинге

•Социология

•Геология и др.

Достоинство

•Разбиение объектов по ряду признаков

•Не накладывает ограничения на вид объектов

•Позволяет исследовать множество исходных данных произвольной природы.

6

Идея и задача

Кластеры – это группы однородности Задача кластерного анализа:

•Разбить множество на m кластеров

•Каждый объект принадлежит только одному кластеру

•Объекты одного кластера однородные (сходными)

•Объекты разных кластеров – разнородные

8

Методы

Вероятностный подход. Предполагается, что каждый рассматриваемый объект относится к одному из k кластеров.

•K-средних

•К-медиан

•EM-алгоритм

•Алгоритмы семейства FOREL

•Дискриминантный анализ

9

Методы

Подходы на основе систем искусственного интеллекта:

•Метод нечеткой кластеризации C-средних (C-means)

•Нейронная сеть Кохонена

•Генетический алгоритм

10

Методы

•Логический подход. Построение дендрограммы осуществляется с помощью дерева решений.

•Графовые алгоритмы кластеризации

•Иерархический подход. Предполагается наличие вложенных групп (кластеров различного порядка).

•Другие методы.