Hiyerarşik Kümeleme ve DBSCAN

k-Means, yuvarlak ve benzer büyüklükte kümeler ile sabit bir k varsayar. Bu varsayım bozulduğunda diğer algoritmalar daha karmaşık şekilleri ve yoğunlukları ele alabilir. 🔍

Hiyerarşik kümeleme, en yakın iki grubu tekrar tekrar birleştirerek aşağıdan yukarıya iç içe kümelerden oluşan bir ağaç oluşturur.

Bu ağaç dendrogram olarak çizilir. Seçtiğiniz bir yükseklikten kestiğinizde, aşağıdaki dallar kümelerinizi oluşturur.

Önemli bir avantajı, baştan k değerine karar vermek zorunda olmamanızdır. Dendrogramı inceler, ardından onu nereden keseceğinize karar verirsiniz.

Gruplar arasındaki uzaklığın nasıl ölçüleceği, ward, average veya complete gibi bağlantı yöntemlerine bağlıdır.

DBSCAN farklı bir yaklaşım benimser: kümeleri, daha seyrek boşluklarla ayrılmış yoğun nokta bölgeleri olarak ele alır.

DBSCAN, bir komşuluk yarıçapı olan eps değerine ve minimum nokta sayısına ihtiyaç duyar. Bu ikisi birlikte yeterince yoğun olmanın ne anlama geldiğini belirler.

k-Means'in aksine DBSCAN, verilerinizin yoğunluğundan yola çıkarak küme sayısını kendisi belirler.

Seyrek bölgelerdeki noktalar bir kümeye zorla dahil edilmek yerine, eksi bir etiketiyle gürültü olarak işaretlenir.

Yoğunluğu izlediği için DBSCAN, k-Means'in parçalara ayıracağı uzun, kıvrımlı veya alışılmadık şekilli kümeleri izleyebilir.

Keşfetmek istediğiniz iç içe yapı için hiyerarşik kümelemeyi, aykırı değerleri yerleşik olarak ele alan düzensiz şekiller için ise DBSCAN'i kullanın.

Hiyerarşik kümeleme kestiğiniz bir dendrogram oluşturur; DBSCAN ise her şekilden yoğun kümeler bulur ve gürültüyü işaretler. 🎯