Двунаправленное объединение
В
предыдущем параграфе обсуждается , что
же кластеризовать значения или переменные,
можно задаться вопросом, почему бы не
кластеризовать одновременно и те и
другие? Модуль кластерного анализа
содержит двунаправленную процедуру
объединения, предназначенную именно
для этого. Двунаправленное объединение
полезно в тех (относительно редких)
случаях, когда предполагается, что и
значения и переменные будет одновременно
способствовать выявлению наиболее
полной модели деления на кластеры.
Например, возвращаясь к примеру, данному
выше, медицинский исследователь может
пожелать идентифицировать кластеры
пациентов, которые похожи в отношении
к конкретным кластерам параметров
физического состояния. Трудность в
интерпретации этих результатов может
возникнуть из того, что сходство между
различными кластерами может быть вызвано
несколько различными наборами переменных.
Таким образом, возникающие в результате
структуры (кластеры) являются по своей
природе неоднородными.
Это,
на первый взгляд, может показаться
неудачным, и действительно, в сравнении
с другими рассмотренными методами
кластеризации, двунаправленное
объединение является наименее часто
используема. Однако, некоторые
исследователи полагают, что этот метод
дает мощный инструмент анализа данных.
За дополнительной информацией можно
обратиться к детализированному описанию
этого метода в ( Hartigan, 1975).