Hierarhiskā klasterizācija ir vispopulārākā un visplašāk izmantotā sociālā tīkla datu analīzes metode. Šajā metodē mezgli tiek salīdzināti viens ar otru, pamatojoties uz to līdzību. Lielākas grupas tiek veidotas, savienojot mezglu grupas, pamatojoties uz to līdzību.
Kad izmantot hierarhisku klasterizāciju salīdzinājumā ar K līdzekļiem?
Hierarhiskā klasterizācija ir ligzdotu klasteru kopa, kas ir sakārtotas kā koks. K Nozīmē, ka klasterizācija darbojas labi ja klasteru struktūra ir hipersfēriska (kā aplis 2D, sfēra 3D). Hierarhiskā klasterizācija nedarbojas tik labi, k nozīmē, ja kopu forma ir hipersfēriska.
Kad man vajadzētu izmantot hierarhisku klasterizāciju?
Hierarhiskā klasterizācija ir spēcīgs paņēmiens, kas ļauj veidot koku struktūras no datu līdzībām. Tagad varat redzēt, kā dažādas apakškopas ir savstarpēji saistītas un cik tālu atrodas datu punkti.
Kad neizmantosiet hierarhisko klasterizāciju?
Vājās puses ir tādas, ka tas reti nodrošina labāko risinājumu, tas ietver daudz patvaļīgu lēmumu, tas nedarbojas ar trūkstošiem datiem, tas darbojas slikti ar jauktiem datu tipiem, nedarbojas ļoti lielām datu kopām, un tās galvenā izvade, dendrogramma, parasti tiek nepareizi interpretēta.
Kādas ir hierarhiskās klasterizācijas priekšrocības?
Hierarhiskās klasterizācijas stiprās puses
- Tā irlai saprastu un īstenotu.
- Mums nav iepriekš jānorāda konkrēts klasteru skaits. …
- Tie var atbilst jēgpilnai klasifikācijai.
- Viegli noteikt klasteru skaitu, tikai apskatot dendrogrammu.
