クラスターの要素は何ですか？

物理オブジェクトまたは抽象オブジェクトのセットを同じオブジェクトのクラスに結合するプロセスは、クラスタリングと呼ばれます。クラスターは、同じクラスター内で互いに同じであり、他のクラスター内のオブジェクトとは異なるデータオブジェクトのセットです。データオブジェクトのクラスターは、複数のアプリケーションで1つのグループとしてまとめて考えることができます。クラスター分析は人間にとって不可欠な活動です。

クラスター分析は、これらのレコードに対して行われたさまざまな測定に応じて、同じレコードのグループまたはクラスターを形成するために使用されます。重要な設計は、分析の目的に役立つ方法でクラスターを定義することです。このデータは、天文学、考古学、医学、化学、教育、心理学、言語学、社会学など、いくつかの分野で使用されています。

クラスターには次のようなさまざまな要素があります-

データ配信 −一部のクラスタリング手法では、データの特定のタイプの分散が考慮されます。さらに、データは、各クラスターが分布に相関する分布の組み合わせから生じるものとしてモデル化できると考えることができます。

形 −一部のクラスターは、長方形や球状などの体系的な形状ですが、通常どおり、クラスターは任意の形状にすることができます。 DBSCANやシングルリンクなどの手法では任意の形状のクラスターを管理できますが、プロトタイプベースのスキームや、完全なリンクやグループ平均などの一部の階層的な手法では管理できません。

サイズの違い −クラスターのサイズが複数ある場合、K-meansを含むいくつかのクラスタリング手法はうまく機能しません。

密度の違い −密度が大きく異なるクラスターは、DBSCANやK-meansなどのメソッドで問題を引き起こす可能性があります。

クラスターの分離が不十分 −クラスターが接触またはオーバーラップする場合、いくつかのクラスタリングアプローチは、独立性を維持する必要があるクラスターを組み合わせます。個別のクラスターを検出する手法でさえ、あるクラスターまたは別のクラスターへのポイントを任意に作成します。

クラスター間の関係 −ほとんどのクラスタリング手法では、相対的な位置を含め、クラスター間の関連を明示的に考慮することはありません。自己組織化マップは、クラスタリングフェーズ中にクラスター間の関係を直接処理するクラスタリング手法です。さらに、1つのクラスターへのポイントの割り当ては、近くのクラスターの定義に影響を与えます。

サブスペースクラスター −クラスターはディメンション（属性）のサブセットにのみ存在でき、ディメンションの1つのセットを使用して決定されたクラスターは、別のセットを使用して決定されたクラスターとは異なる場合があります。

この問題はわずか2次元で増加する可能性がありますが、次元のいくつかの可能なサブセットは次元の総数で指数関数的であるため、次元が向上するにつれてより深刻になります。複数のディメンションが比較的低い場合を除いて、ディメンションのすべての可能なサブセットでクラスターを単純に表示することはできません。