Hierarkisk klynging og DBSCAN

k-Means antar runde klynger av omtrent samme størrelse og en fast verdi for k. Når dette ikke stemmer, kan andre algoritmer håndtere mer krevende former og tettheter. 🔍

Hierarkisk klynging slår sammen de to nærmeste gruppene om og om igjen, og bygger et tre med nøstede klynger nedenfra og opp.

Dette treet tegnes som et dendrogram. Klipp det ved en valgt høyde, så blir grenene nedenfor klyngene dine.

En viktig fordel er at du ikke trenger å bestemme k tidlig. Du undersøker dendrogrammet og bestemmer deretter hvor du skal klippe det.

Hvordan avstanden mellom grupper måles, avhenger av koblingsmetoden, for eksempel ward, average eller complete.

DBSCAN har en annen tilnærming: den behandler klynger som tette punktområder adskilt av områder med lavere tetthet.

DBSCAN trenger en nabolagsradius eps og et minimumsantall punkter. Sammen definerer de hva som er tilstrekkelig tett.

I motsetning til k-Means finner DBSCAN selv antallet klynger ut fra tettheten i dataene dine.

Punkter i områder med lav tetthet merkes som støy med etiketten minus én, i stedet for å bli tvunget inn i en klynge.

Fordi DBSCAN følger tettheten, kan den finne lange, buede eller uvanlig formede klynger som k-Means ville ha delt opp.

Bruk hierarkisk klynging for nøstet struktur du vil utforske, og DBSCAN for uregelmessige former med innebygd håndtering av uteliggere.

Hierarkisk klynging bygger et dendrogram som du klipper, mens DBSCAN finner tette klynger med vilkårlig form og merker støy. 🎯