Kurzzusammenfassung zur Cluster Analysis

Inhaltsverzeichnis

1 Einleitung

♣ Was ist Clusteranalyse (Clustering)

♣ Historisch

♣ Ziel des Verfahrens

♣ Anwendungsgebiete

♣ Voraussetzung

♣ Verfahren

♣ Density-Based Clustering (Dichtverbundendes Clustern)

♣ Im Linguistische Ebenen

♣ Vor und Nachteile

♣ Quelle

2 Was ist Clusteranalyse

Die Clusteranalyse ist ein Gruppenbildungsverfahren. Das Verfahren hat für ziele ähnli- che Objekte sogenannte Cluster zu Gruppe zusammenzufassen. Wissenschaftliche exakt ausgedrückt ist es, aus einer heterogenen Gesamtheit von Objekten homogene Teilmen- gen zu identifizieren.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Clusteranalyse

3 Historisch

Das Verfahren stammt aus der Taxonomie¹ in der Biologie, wo über eine Clusterung von verwandten Arten eine Ordnung der Lebewesen ermittelt wird. Allerdings wurden dort ursprünglich keine automatischen Berechnungsverfahren eingesetzt.

4 Ziel des Verfahren

- Eine Vereinfachte übersichtlichere Strukturen zu schaffen.
- Daten zu reduzieren.
- Erkennen von zusammenhängen und unzusammenhängend Clustern.
- Identifikation einer endlichen mengen von Kategorie, Klasse oder Gruppen in Da- ten.

Wie hier bezeichnet:

5 Anwendungsgebiete

Das Clusteranalyse kann in verschiedenen Gebiet angewendet werden und zwar :

- Clustering von Sequenzen Von Jahrringbreiten in der Paläoklimatologie .
- Clustering von Web-Session zur Bestimmung von Benutzergruppen .
- Clustering von Bildern in einer Bildatenbank( um thematische Abfragen zu unter- stützen ).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: verfahren

-Clustering von ADN-Sequenzen verschiedener Organismen, um Verwandtschafts- grade und Abstammungsbeziehungen zu klären .
-Erstellung von thematischen Karten aus Satellitenbildern.
-Im Statistik (Marktforschung) .
-Strukturierung von großen Mengen von Textdokumenten .

6 Voraussetzung

Bevor eine Clusteranalyse gerechnet wird, sind zahlreiche Vorüberlegungen notwendig. Die Auswahl und die Aufbereitung der Variablen spielen hierbei eine zentrale Rolle. Sie haben einen wesentlichen Einfluss auf das Analyseergebnis und die darauf aufbauende Interpretation. Darunter haben wir :

- Anzahl der Variablen : nur relevante themenspezifische Variable sollen einbezogen werden.
- Skalenniveau : alle Daten können einbezogen werden.
- Standardisierung: Die Daten sollten vor Rechnen beginn standardisiert werden, um sie vergleichen zu können.
- Ausreißer sollten ausgeschlossen werden, damit der Funsionierungsprozess nicht beeinflusst wird.
- Anzahl Objekte ist nicht begrenzt.
- Korrelationen : Hoch korrelierende Variable sollten ebenfalls ausgeschlossen wer- den.
- Konstante Ausprägungen : variablen mit konstanten Ausgangswerten führen zu einer Nivellierung der Unterschiede und werden häufig aus der Analyse entfernt.

Falls die Voraussetzungen erfühlt sind, könnten wir mit der Ablaufschritte anfangen. Darunter haben wir 3 , die für die Berechnung der Analyse erforderlich sind und zwar: Bestimmung der Distanz durch die Proximitätsmaße ; Auswahl der Funktio- nierungsalgorithmuses und die Bestimmung der Clusteranzahl.

7 Zentrale Begriffe Der Clusteranalyse

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Wort Stammbaum

8 Das Verfahren

Es gibt zur Bestimmung eines Clustering verschiedene Methoden oder Verfahren, die auf unterschiedliche Art eine Clusteranalyse durchführen. Die wichtige darunter sind :

[...]

¹ Ist eine einheitliches Verfahren oder Modell, mit dem Objekte nach bestimmten Kriterien Klassifiziert