Hierarchické seskupení

V IT oblasti , přesněji v oblasti analýzy a automatické třídění všech údajů , ponětí o hierarchické seskupení krytů různých clustering metody a je rozdělit do dvou hlavních skupin: metody ‚bottom-up‘ a ‚potomci‘.

Hierarchická sestupná klasifikace

Takzvané metody „shora dolů“ začínají od obecného řešení po konkrétnější. Metody v této kategorii začínají jediným klastrem obsahujícím všechny z nich a poté jsou v každé fázi rozděleny podle kritérií, dokud není získána sada různých klastrů.

Vzestupná hierarchická klasifikace (CAH)

Na rozdíl od takzvaných metod „shora dolů“ se vzestupná hierarchická klasifikace nazývá „zdola nahoru“, protože vychází ze situace, kdy jsou všichni jednotlivci ve třídě sami, poté jsou shromažďováni ve stále větších třídách. Hierarchický kvalifikátor pochází ze skutečnosti, že vytváří hierarchii H , sadu tříd ve všech fázích algoritmu, která ověřuje následující vlastnosti:

• Ω∈H{\ displaystyle \ Omega \ v H} : v horní části hierarchie, když se seskupujeme, abychom získali jednu třídu, jsou všichni jednotlivci seskupeni;
• ∀ω∈Ω,{ω}∈H{\ displaystyle \ forall \ omega \ in \ Omega, \ {\ omega \} \ v H} : ve spodní části hierarchie jsou všichni jednotlivci sami;
• ∀(h,h′)∈H2,h∩h′=∅{\ displaystyle \ forall (h, h ') \ v H ^ {2}, h \ cap h' = \ emptyset}nebo nebo  : vezmeme-li v úvahu dvě třídy seskupení, pak buď nemají společného jednotlivce, nebo je jedna zahrnuta do druhé.h⊂h′{\ displaystyle h \ podmnožina h '}h′⊂h{\ displaystyle h '\ podmnožina h}

Jedná se o metodu automatické klasifikace používanou při analýze dat  ; z množiny z n jednotlivců, jeho cílem je distribuovat tyto jedince do určitého počtu tříd. Ω{\ displaystyle \ Omega}

Metoda předpokládá, že máme míru odlišnosti mezi jednotlivci; v případě bodů umístěných v euklidovském prostoru můžeme použít vzdálenost jako měřítko odlišnosti. Rozdílnost mezi jednotlivci x a y bude zaznamenána . dissim(X,y){\ displaystyle dissim (x, y)}

Algoritmus

Zpočátku každý jednotlivec tvoří třídu, tj. N tříd. Snažíme se snížit počet tříd na , to se děje iterativně. V každém kroku jsou sloučeny dvě třídy, čímž se snižuje počet tříd. Dvě třídy vybrané ke sloučení jsou ty, které jsou nejblíže, jinými slovy ty, jejichž odlišnost mezi nimi je minimální, tato hodnota odlišnosti se nazývá agregační index . Protože nejbližší jednotlivci jsou shromážděni jako první, první iterace má nízký agregační index, ale bude růst z iterace na iteraci. nebvs.lnassEs<ne{\ displaystyle nb_ {třídy} <n}