Ang
Hierarchical clustering ay ang pinakasikat at malawakang ginagamit na paraan upang pag-aralan ang data ng social network. Sa pamamaraang ito, ang mga node ay inihahambing sa isa't isa batay sa kanilang pagkakatulad. Binubuo ang mas malalaking grupo sa pamamagitan ng pagsali sa mga pangkat ng mga node batay sa kanilang pagkakapareho.
Kailan gagamit ng hierarchical clustering vs K means?
Ang hierarchical clustering ay isang hanay ng mga nested cluster na nakaayos bilang isang puno. Ang K Means clustering ay makikitang gumagana nang maayos kapag ang structure ng mga cluster ay hyper spherical (tulad ng bilog sa 2D, sphere sa 3D). Hindi gumagana nang maayos ang hierarchical clustering gaya ng ibig sabihin ng k kapag hyper spherical ang hugis ng mga cluster.
Kailan ko dapat gamitin ang hierarchical clustering?
Ang
Hierarchical clustering ay isang mahusay na diskarte na ay nagbibigay-daan sa iyong bumuo ng mga istruktura ng puno mula sa pagkakatulad ng data. Makikita mo na ngayon kung paano nauugnay ang iba't ibang sub-cluster sa isa't isa, at kung gaano kalayo ang pagitan ng mga punto ng data.
Kailan ka hindi gagamit ng hierarchical clustering?
Ang mga kahinaan ay bihira itong magbigay ng pinakamahusay na solusyon, nagsasangkot ito ng maraming di-makatwirang pagpapasya, ito ay hindi gumagana sa nawawalang data, ito ay hindi gumagana sa halo-halong mga uri ng data, ito hindi gumagana nang maayos sa napakalaking set ng data, at ang pangunahing output nito, ang dendrogram, ay karaniwang mali ang interpretasyon.
Ano ang mga pakinabang ng hierarchical clustering?
Mga Lakas ng Hierarchical Clustering
- Ito ayupang maunawaan at ipatupad.
- Hindi namin kailangang paunang tukuyin ang anumang partikular na bilang ng mga cluster. …
- Maaaring tumutugma ang mga ito sa makabuluhang pag-uuri.
- Madaling magpasya sa bilang ng mga cluster sa pamamagitan lamang ng pagtingin sa Dendrogram.