Συσταδοποίηση

Abstract

Ο βασικός στόχος αυτού του κεφαλαίου είναι η εξοικείωση με θέματα που αφορούν την τρίτη σημαντική εργασία της εξόρυξης δεδομένων, δηλαδή την ανάλυση των συστάδων. Πιο συγκεκριμένα, παρουσιάζονται μία σειρά από βασικοί ορισμοί αναφορικά με την ανάλυση συστάδων και την συσταδοποίηση, και εξετάζονται με λεπτομέρεια τρεις κατηγορίες τεχνικών συσταδοποίησης: η διαμεριστική συσταδοποίηση, η ιεραρχική συσταδοποίηση και συσταδοποίηση που βασίζεται στην πυκνότητα. Στην συνέχεια γίνεται αναφορά σε συγκεκριμένους αλγορίθμους συσταδοποίησης όπως ο αλγόριθμος των Κ-Μέσων (και η παραλλαγή του διχοτομικού αλγορίθμου των Κ-Μέσων), ο συσσωρευτικός ιεραρχικός αλγόριθμος και ο αλγόριθμος DBSCAN. Επίσης παρουσιάζονται διαφορετικές τεχνικές εφαρμογής της ιεραρχικής συσταδοποίησης, όπως είναι η τεχνική του απλού συνδέσμου ( ή της ελάχιστης απόστασης), η τεχνική του πλήρους συνδέσμου (ή της μέγιστης απόστασης), η τεχνική του μέσου όρου ομάδας και η μέθοδος Ward.

The main goal of this chapter is to familiarize you with issues related to the third major task of data mining, namely cluster analysis. In particular, a number of basic definitions regarding cluster analysis and clustering are presented, and three categories of clustering techniques are discussed in detail: partition clustering, hierarchical clustering, and density-based clustering. Specific clustering algorithms such as the K-means algorithm (and its variant of the dichotomous K-means algorithm), the clustering hierarchical algorithm and the DBSCAN algorithm are then discussed. Different techniques for applying hierarchical clustering are also presented, such as the simple link (or minimum distance) technique, the full link (or maximum distance) technique, the group average technique and the Ward method.