Clustering

Pagina 1

Clustering La classificazione è un’attività di tipo supervised, mentre il clustering non ha un attributo di riferimento. Il clustering consiste nel suddividere un dataset in classi, ove gli elementi appartenenti alla medesima classe siano il più omogenei possibile e le classi siano tra loro il più eterogenee tra loro. Per applicare il concetto di omogeneo ed eterogeneo, viene definito il concetto di distanza tra record secondo diverse varianti. Nel clustering è fondamentale la definizione di una metrica; quest’ultima risulta essere ben posta quando gli attributi delle osservazioni sono numerici (in quanto è semplice definire una misura), mentre con attributi categorici risulta più complessa. Riassumendo, l’obiettivo del clustering è identificare raggruppamenti omogenei di osservazioni tali per cui - in ogni cluster le osservazioni siano simili tra loro, - le osservazioni di cluster diversi siano tra loro dissimili, ai fini di: - fornire un’interpretazione del fenomeno (per evidenziare nicchie di mercato, trend particolari) - realizzare suddivisioni preliminari (costruire modelli separati più aderenti alle esigenze) - facilitare l’identificazione di o utlier e fenomeni anomali, mediante l’osservazione di elementi spazialmente separati rispetto alle singole dimensioni - identificare osservazioni di riferimento (prototipi), ovvero identificare i centroidi (che possono non avere una corrispondente osservazione reale). NB: il numero di cluster viene scelto in base all’algoritmo utilizzato (autodetect del numero oppure predefinito dall’utente) 1. Tassonomia dei metodi di clustering È possibile suddividere i metodi di clustering per logica di divisione: - Metodi di p artizione: suddividono il dataset in numero preassegnato di cluster non vuoti. Possono essere applicati a…