- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Кластерный анализ презентация
Содержание
- 1. Кластерный анализ
- 2. Литература 1. Факторный, дискриминантный и кластерный анализ: Пер.
- 3. Предназначение кластерного анализа Построение эмпирической классификации
- 4. Стратегия кластерного анализа 1. Выбор переменных и
- 5. Важнейшие семейства кластерных методов 1. Иерархические методы
- 6. Пример: классификация людей по скорости реакции на свет и звук
- 7. 1. Выбор переменных время реакции на свет
- 8. 3. Выбор метода кластеризации аггломеративный метод одиночной связи (метод "ближайшего соседа")
- 9. Дендрограмма
- 10. Шаг
- 11. Диаграмма рассеяния
- 12. Порядок объединения
- 13. Сколько кластеров оставить Там где расстояние между
- 14. Методы объединения или связи На первом
- 15. Методы объединения кластеров 1. Метод одиночной связи
- 16. Меры подобия в SPSS Евклидова дистанция.
- 17. Квадрат евклидова расстояния. Иногда стандартное евклидово
Литература 1. Факторный, дискриминантный и кластерный анализ: Пер. с англ. / Дж.-О.Ким, Ч.У.Мюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. – М.: Финансы и статистика, 1989. 2. Бююль А., Цефель П. SPSS: искусство обработки информации.
Слайд 2Литература
1. Факторный, дискриминантный и кластерный анализ: Пер. с англ. / Дж.-О.Ким, Ч.У.Мюллер,
У.Р.Клекка и др.; Под ред. И.С.Енюкова. – М.: Финансы и статистика, 1989.
2. Бююль А., Цефель П. SPSS: искусство обработки информации. – СПб.: ДиаСофт, 2001.
2. Бююль А., Цефель П. SPSS: искусство обработки информации. – СПб.: ДиаСофт, 2001.
Слайд 3Предназначение кластерного анализа
Построение эмпирической классификации
Кластерный анализ позволяет разбить выборку на группы
схожих объектов, называемых кластерами. Члены одной группы (кластера) должны обладать схожими проявлениями переменных, а члены разных групп – различными.
Слайд 4Стратегия кластерного анализа
1. Выбор переменных и их предварительные преобразования
2. Определение меры
сходства (подобия) между объектами
3. Выбор метода кластеризации
4. Определение числа кластеров и обоснование кластерного решения
3. Выбор метода кластеризации
4. Определение числа кластеров и обоснование кластерного решения
Слайд 5Важнейшие семейства кластерных методов
1. Иерархические методы
1.1. Аггломеративные *
1.2. Дивизимные
2. Итеративные методы
2.1.
Метод К средних *
2.2. Метод "восхождения на холм"
3. Факторные методы *
4. Нейросетевые методы
* Реализованы в SPSS
2.2. Метод "восхождения на холм"
3. Факторные методы *
4. Нейросетевые методы
* Реализованы в SPSS
Слайд 71. Выбор переменных
время реакции на свет
время реакции на звук
2. Выбор меры
сходства
Евклидово расстояние
Слайд 83. Выбор метода кластеризации
аггломеративный
метод одиночной связи
(метод "ближайшего соседа")
Слайд 13Сколько кластеров оставить
Там где расстояние между кластерами (колонка «coefficients»), определенное на
основании выбранной меры увеличивается скачкообразно, процесс необходимо остановить, так как будут объеденены кластеры находящиеся слишком далеко друг от друга.
Слайд 14Методы объединения или связи
На первом шаге, когда каждый объект представляет собой
отдельный кластер, расстояния между этими объектами определяются выбранной мерой. Однако когда связываются вместе несколько объектов, возникает вопрос, как следует определить расстояния между кластерами?
Другими словами, необходимо правило объединения или связи для двух кластеров. Здесь имеются различные возможности.
Другими словами, необходимо правило объединения или связи для двух кластеров. Здесь имеются различные возможности.
Слайд 15Методы объединения кластеров
1. Метод одиночной связи
2. Метод полной связи
3. Метод средней
связи
3.1. Невзвешенный
3.2. Взвешенный (внутригрупповой)
4. Центроидный метод
4.1. Невзвешенный
4.2. Взвешенный (медианый)
5. Метод Уорда
3.1. Невзвешенный
3.2. Взвешенный (внутригрупповой)
4. Центроидный метод
4.1. Невзвешенный
4.2. Взвешенный (медианый)
5. Метод Уорда
Слайд 16Меры подобия в SPSS
Евклидова дистанция. Наиболее простой и легко интерпретируемый
путь. Следует помнить, что на расстояния могут сильно влиять различия между осями, по координатам которых вычисляются эти расстояния. К примеру, если одна из осей измерена в сантиметрах, а вы потом переведете ее в миллиметры (умножая значения на 10), то окончательное евклидово расстояние (или квадрат евклидова расстояния), вычисляемое по координатам, сильно изменится, и, как следствие, результаты кластерного анализа могут сильно отличаться от предыдущих. При этом следует использовать z-стандартизацию.
Слайд 17
Квадрат евклидова расстояния. Иногда стандартное евклидово расстояние возводят в квадрат, чтобы
придать большие веса более отдаленным друг от друга объектам.
Расстояние Чебышева. Это расстояние может оказаться полезным, когда желают определить два объекта как "различные", если они различаются по какой-либо одной координате (т.е. каким-либо одним признаком).
Процент несогласия. Эта мера используется в тех случаях, когда данные являются категориальными.
Расстояние Чебышева. Это расстояние может оказаться полезным, когда желают определить два объекта как "различные", если они различаются по какой-либо одной координате (т.е. каким-либо одним признаком).
Процент несогласия. Эта мера используется в тех случаях, когда данные являются категориальными.
