Cтраница 1
Кластерный анализ проводится с использованием таких количественных характеристик, как мода распределения, дисперсия, расстояние, а также качественной информации, которой обладает ЛПР. [1]
Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки ( кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризующееся значениями нескольких показателей, можно представить как точку в пространстве этих показателей, значения которых рассматриваются как координаты в многомерном пространстве. [2]
Кластерный анализ объединяет различные процедуры, используемые для проведения классификации. В результате применения этих процедур исходная совокупность объектов разделяется на кластеры или группы ( классы) схожих между собой объектов. Под кластером обычно понимают группу объектов, обладающую свойством плотности ( плотность объектов внутри кластера выше, чем вне его), дисперсией, отделимостью от других кластеров, формой ( например, кластер может иметь очертания гиперсферы или эллипсоида), размером. Мы лишь вербально описали кластер, указав некоторые его интуитивно ясные свойства. [3]
Кластерный анализ позволяет определить области в изучаемом пространстве, которое связано с образами различных классов. [4]
Кластерный анализ ( от англ, cluster - пучок, группа) - это процедура, позволяющая классифицировать различные объекты. С его помощью можно разбить респондентов на группы, сходные по ряду признаков. Эти пучки и называют кластерами. Чем короче линия, связывающая переменные, тем ближе они находятся в пространстве признаков. Кластерный анализ представляет собой разновидность многомерной статистической процедуры, упорядочивающей объекты в относительно однородные группы. Перед началом анализа они должны быть преобразованы в биноминальные, принимающие значение 1 при наличии признака и О при его отсутствии. В статистическом пакете SPSS эта операция осуществляется в опции: transform recode. Кроме того, из анализа следует исключить альтернативы: затрудняюсь ответить, другое и пр. [5]
Кластерный анализ - это статистический метод, позволяющий объединить акции в группы по какому-либо параметру. Выделив два выпуска акций с самым большим коэффициентом корреляции и найдя средний для них показатель месячной доходности, мы устраняем одну позицию из нашей совокупности акций. Найденный показатель средней доходности двух выпусков акций затем сравнивается со всеми другими акциями. И так продолжается до тех пор, пока в нашей совокупности не остается акций, которые в достаточной степени коррелировали бы с акциями составляемой нами группы. [6]
Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки ( кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. [7]
Кластерный анализ ( также употребляются термины кластеризация, самообучение, обучение без учителя) - это метод выделения из множества элементов групп ( кластеров) схожих между собой элементов. Предполагается, что элементы одного и того же кластера похожи, а элементы различных кластеров отличаются друг от друга. Как правило, число кластеров заранее не определяется. Кластерный анализ записей баз данных осуществляется на основе значений их количественных и качественных атрибутов. При этом делается попытка автоматически разнести имеющиеся записи по различным группам. Кластерный анализ применяют при решении большого числа задач. В социологии его используют для обработки результатов опросов общественного мнения, в медицине - для выявления типичных клинических случаев, в маркетинге - для поиска родственных групп клиентов. Часто выделение кластеров - отправная точка для других алгоритмов интеллектуального анализа данных. [8]
Кластерный анализ обычно считается частью метода распознавания образов. Он заключается в нахождении однородных выборок, содержащих сходные данные. [9]
Кластерный анализ включает также таксономию, распознавание образов. [10]
Кластерный анализ позволяет объединить в однородные группы различные признаки с помощью некоторой метрики, например евклидова расстояния. [11]
Кластерный анализ объединяет различные процедуры, используемые для проведения классификации. В результате применения этих процедур исходная совокупность объектов разделяется на кластеры или группы ( классы) схожих между собой объектов. Под кластером обычно понимают группу объектов, обладающую свойством плотности ( плотность объектов внутри кластера выше, чем вне его), дисперсией, отделимостью от других кластеров, формой ( например, кластер может иметь очертания гиперсферы или эллипсоида), размером. Мы лишь вербально описали кластер, указав некоторые его интуитивно ясные свойства. [12]
Более глубокий кластерный анализ связан с понятием условной независимости. [13]
Поскольку кластерный анализ предназначен для создания однородных групп, естественно рассмотреть процедуры, позволяющие определить число полученных групп. Например, вложенная древовидная структура дендрограммы указывает на то, что в данных может находиться много различных групп, и правомерен вопрос: где нужно обрезать дерево, чтобы получить оптимальное число групп. Точно так же и при работе с итеративными методами пользователь должен указать число групп, присутствующих в данных, еще до создания этих групп. [14]
Отметим, что кластерный анализ подтверждает сходство товарных рынков, но не позволяет интерпретировать результаты в той же мере, что и Бостонская матрица. [15]