Дәріс k-орта әдісімен кластерлеу
жүктеу/скачать 423,17 Kb. Pdf көрінісі
|
Дәріс 4 ҮД
| Кластерлерді анықтау
Кластерлерді анықтау кезінде екі сұраққа жауап туындайды: 1. Қанша кластер бар? 2. Кластерлерге не кіреді? Қанша кластер бар? 1-сурет екі кластерді көрсетеді, оларды кіші кластерлерге бөлуге болады. Мысалы, Қараңғы кластерді "драма" (Гордость и переубеждение, Клуб «Завтрак» фильмдерін қоса) және "қиял" (Монти Пайтон и священный Грааль мен Скотт Пилигрим против всех фильмдерін қоса) субкластеріне бөлуге болады. Кластерлер саны өскен сайын олардың әрқайсысының мүшелері бір-біріне көбірек ұқсайды, бірақ көрші кластерлер бір-бірінен аз ерекшеленеді. Шектен шыққан жағдайға келтірсе, онда әрбір деректер элементі жеке кластерде болады, бұл пайдалы ақпарат бермейді. Сондықтан ымыраға келу керек. Кластерлер нақты айырмашылықтарды сақтай отырып, кластерлердің саны бизнес-шешімдер үшін маңызды заңдылықтарды анықтауға мүмкіндік беретін жеткілікті үлкен болуы керек. Кластерлердің оңтайлы санын анықтаудың бір әдісі-шөгінді графигі (график каменистой осыпи) немесе Кеттель графигі (scree plot) (сурет. 2). Шөгінді графигі (график осыпи) кластерлердің саны көбейген сайын олардың әртүрлілігі қаншалықты төмендейтінін көрсетеді. Егер барлық мүшелер жалғыз кластерге жатқызылса, әртүрлілік максималды болады. Бірақ кластерлер саны көбейген сайын олардың өздері тығыздалып, мүшелері біркелкі болады. Сурет 2. Шөгінді графигіндегі кластерлердің оңтайлы саны 2-ден 3-ке дейін болады. Иілу (излом) - бұл кластер ішілік әртүрлілікті дұрыс кластерлердің оңтайлы санын ұсынатын шөгінді графигіндегі күрт иілуі. 2 суретте 1 суреттегі екі кластерге сәйкес келетін екі иілуді көруге болады. 3-ке сәйкес тағы бір кішірек қисық бар, бұл үшінші отбасылық фильмдер кластерін енгізуге болатынын білдіреді. Бірақ олардың одан да көбін енгізу қазірдің өзінде бір- бірінен аздап ерекшеленетін тым кіші кластерлерді береді. Кластерлердің санын анықтағаннан кейін деректерді таратуға болады. |