Hiërarchische clustering is de meest populaire en meest gebruikte methode om sociale netwerkgegevens te analyseren. Bij deze methode worden knooppunten met elkaar vergeleken op basis van hun gelijkenis. Grotere groepen worden gebouwd door lid te worden van groepen knooppunten op basis van hun gelijkenis.
Wanneer hiërarchische clustering versus K-betekent gebruiken?
Een hiërarchische clustering is een set geneste clusters die als een boom zijn gerangschikt. K Means clustering blijkt goed te werken wanneer de structuur van de clusters hyperbolvormig is (zoals cirkel in 2D, bol in 3D). Hiërarchische clustering werkt niet zo goed als, k betekent wanneer de vorm van de clusters hyperbolvormig is.
Wanneer moet ik hiërarchische clustering gebruiken?
Hiërarchische clustering is een krachtige techniek waarmee je boomstructuren kunt bouwen op basis van gegevensovereenkomsten. U kunt nu zien hoe verschillende subclusters zich tot elkaar verhouden en hoe ver de gegevenspunten uit elkaar liggen.
Wanneer zou u geen hiërarchische clustering gebruiken?
De zwakke punten zijn dat het zelden de beste oplossing biedt, het brengt veel willekeurige beslissingen met zich mee, het werkt niet met ontbrekende gegevens, het werkt slecht met gemengde gegevenstypen, het werkt niet goed op zeer grote datasets, en de belangrijkste output, het dendrogram, wordt vaak verkeerd geïnterpreteerd.
Wat zijn de voordelen van hiërarchische clustering?
Krachten van hiërarchische clustering
- Het isbegrijpen en implementeren.
- We hoeven geen bepaald aantal clusters vooraf te specificeren. …
- Ze kunnen overeenkomen met een zinvolle classificatie.
- Eenvoudig om het aantal clusters te bepalen door alleen maar naar het Dendrogram te kijken.
