КОНСПЕКТ ЛЕКЦИЙ КОДЭИ

3.Для каждой записи исходной выборки определяется ближайший к ней центр кластера.

4.Производится вычисление центроидов — центров тяжести кластеров. с*то делается путем определения среднего для значений каждого признака всех записей в кластере.

Например, если в кластер вошли три записи с наборами

признаков (x1, y1), (x2, y2), (x3, y3), то координаты его центроида будут рассчитываться следующим образом:

(x, y) = ((x1 + x2 + x3)/3, (y1 + y2 + y3)/3).

Затем старый центр кластера смещается в его центроид.

Шаги 3 и 4 повторяются до тех нор, пока выполнение алгоритма не будет прервано либо пока не будет выполнено условие в соответствии с некоторым критерием сходимости.

Остановка алгоритма производится, когда границы кластеров и расположение центроидов перестают изменяться, то есть на каждой итерации в каждом кластере остается один и тот же набор записей.

Алгоритм k-means обычно находит набор стабильных кластеров за несколько десятков итераций.

В STATISTICA реализованы следующие методы кластеризации — агломеративные методы: joining (tree clustering), twoway joining, а также метод k- средних — k-means clastering.

В STATISTICA можно выбрать следующие правила иерархического объединения кластеров:

Single linkage — метод одиночной связи; Complete linkage — метод полной связи;

Unweighted pair group average — невзвешенный метод

«средней связи»;

Weighted pair group average — взвешенный метод

«средней связи»;

Weighted centroid pair group (median) — взвешенный центроидный метод;

Ward method — метод Уорда.