vault backup: 2026-05-02 22:55:21

2026-05-02 22:55:21 +03:00
parent 0c0bdcddb0
commit 555a4f4712
18 changed files with 220 additions and 23 deletions
@@ -42,3 +42,9 @@ title: Агломеративные (иерархические) Методы
 7) **<u>Метод Уорда</u>**
   Использует методы дисперсионного анализа для оценки расстояний между кластерами. Метод минимизирует сумму квадратов $(SS)$ для любых двух кластеров, которые могут быть сформированы на каждом шаге. 
   *Метод эффективен, но стремиться к кластерам малого размера.*
+
+## Связанные заметки
+- [[Постановка задачи Кластерного анализа]] — формальная постановка задачи разбиения
+- [[Расстояние между классами объектов]] — метрики, используемые в шаге объединения классов
+- [[Дивизимные методы]] — противоположный подход: от одного класса к N
+- [[Критерии определения оптимального числа классов]] — как выбрать порог остановки алгоритма
@@ -18,3 +18,8 @@ title: Дивизимные Методы

 Преимущество дивизимных методов заключается в том, что все расчеты осуществляются на основе исходной **матрицы расстояний**, не нуждающейся в постоянном пересчете.

+## Связанные заметки
+- [[Постановка задачи Кластерного анализа]] — формальная постановка задачи разбиения
+- [[Агломеративные (иерархические) методы]] — противоположный подход: от N классов к одному
+- [[Расстояние между классами объектов]] — матрица расстояний, на которой работает алгоритм
+
@@ -21,3 +21,11 @@ title: Постановка Задачи Кластерного Анализа
   \end{pmatrix}$$
   на сравнительно небольшое число (не обязательно известное заранее) **однородных групп/классов**.

+## Методы решения
+- [[Агломеративные (иерархические) методы]] — объединяем объекты снизу вверх
+- [[Дивизимные методы]] — делим одну группу сверху вниз
+- [[Итерационная классификация. Метод K-средних (K-means)]] — итеративный метод с заранее заданным K
+- [[Расстояние между объектами]] — метрики близости между объектами
+- [[Расстояние между классами объектов]] — метрики близости между кластерами
+- [[Критерии определения оптимального числа классов]] — как выбрать K
+