Metody hierarchiczne i DBSCAN

k-Means zakłada istnienie okrągłych klastrów o podobnym rozmiarze i wymaga ustalonej wartości k. Gdy te założenia zawodzą, inne algorytmy radzą sobie z bardziej złożonymi kształtami i różnymi gęstościami. 🔍

Klasteryzacja hierarchiczna wielokrotnie łączy dwie najbliższe grupy, budując od dołu drzewo zagnieżdżonych klastrów.

To drzewo przedstawia się jako dendrogram. Przetnij go na wybranej wysokości, a gałęzie poniżej staną się klastrami.

Dużą zaletą jest brak konieczności wczesnego ustalania k. Najpierw analizujesz dendrogram, a potem decydujesz, gdzie go przeciąć.

Sposób mierzenia odległości między grupami zależy od metody łączenia, takiej jak ward, average lub complete.

DBSCAN stosuje inne podejście: traktuje klastry jako gęste obszary punktów oddzielone rzadszymi przerwami.

DBSCAN potrzebuje promienia sąsiedztwa eps oraz minimalnej liczby punktów. Razem określają, co oznacza wystarczającą gęstość.

W przeciwieństwie do k-Means DBSCAN sam ustala liczbę klastrów na podstawie gęstości danych.

Punkty znajdujące się w rzadkich obszarach są oznaczane jako szum etykietą minus jeden, zamiast być na siłę przypisywane do klastra.

Ponieważ DBSCAN kieruje się gęstością, potrafi śledzić długie, zakrzywione lub nietypowo ukształtowane klastry, które k-Means podzieliłby na części.

Użyj klasteryzacji hierarchicznej, aby badać zagnieżdżoną strukturę, a DBSCAN — dla nieregularnych kształtów i wbudowanej obsługi wartości odstających.

Klasteryzacja hierarchiczna buduje dendrogram, który następnie przecinasz, natomiast DBSCAN znajduje gęste klastry o dowolnym kształcie i oznacza szum. 🎯