Dmitry
1.8 KiB
1.8 KiB
status, type, tags, created, updated, title
| status | type | tags | created | updated | title | ||||
|---|---|---|---|---|---|---|---|---|---|
| seed | concept |
|
2025-12-25 | 2026-05-07 | Постановка Задачи Кластерного Анализа |
Постановка Задачи Кластерного Анализа
Необходимо разбить анализируемую совокупность объектов O = \{O_{1}, \dots, O_{N}\}, статистически представленную в виде таблицы:$$X_{Nk}=
\begin{pmatrix}
x_{11} & \dots & x_{1k} \
\vdots & \ddots & \vdots \
x_{N1} & \dots & x_{Nk}
\end{pmatrix}\ \text{или} \ \ \gamma_{NN}= \begin{pmatrix}
\gamma_{11} & \dots & \gamma_{1N} \
\vdots & \ddots & \vdots \
\gamma_{N1} & \dots & \gamma_{NN}
\end{pmatrix}$$
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