THIS IS A COMPLETE NOTE FROM ALL BOOKS + LECTURE!
Save your time for internships, other courses by studying over this note!
Are you a 1st/2nd year of Business Analytics Management student at RSM, who want to survive the block 2 Machine Learning module? Are you overwhelmed with 30 pages of re...
12.4: Clustering Methods
Clustering: a technique to find clusters in a data set from the observations of a data set by
partitioning them into different groups so that the observations within each subgroups are quite
homogeneous to each other, while observations in different clusters are quite different form
each other.
Clustering is a unsupervised problem that attempt to discover structure on the basis of a
dataset, without labels to use for training.
Hard clustering without a statistical model is the primary way discussed here.
Clustering has two best known approaches
1. K-means Clustering : seeking to partition the observations into a pre-specified number
of clusters
a. Example: Where customers spend time
2. Hierarchical Clustering : we do not know I advance how many clusters we want, and it
builds a tree-like visual representations: dendrogram
a. Example: product categorization
Choice depends on whether you think clusters are disjoint or have a hierarchical arrangement
12.4.1: K-Means Clustering
K-means Clustering: partitions observations into K distinct, non-overlapping clusters.
K-means Clustering’s clusters C1,..Ck must satisfy two conditions
1. Each observations belongs to at least one of K clusters
2. The clusters are non over-lapping: no observations belong to more than one cluster
Good clustering for K-means clustering: the sum of within-cluster-variations for cluster Ck is as
small as possible.
- Goal: minimizing the sum of the measure of within-cluster-variations: W(Ck) +
maximizing the sum of measure of inte-cluster-variations
- The unit of within-cluster variation: weighted sum of Euclidean distance of every
observations for every cluster
o Divided by the total number of observations in the Kth cluster
Input distance matrix
, Process: to find a local optimum out of the K^n ways of minimizing
1. Specify the desired number of clusters K
2. Randomly assign a number from 1 to K to each of the observations as an initial cluster
assignments
3. Iterate until the cluster assignments stop changing
a. For each of the K clusters, compute the cluster centroid as the mean of the
observations assigned to each cluster.
i. Kth cluster centroid: a vector of the p feature means for the observations
in the kth cluster
b. Assign each observations to the cluster whose centroid is closet in the mean of
Euclidean distance.
4. Run the algorithm multiple times from different random cluster assignments and select
the best solution as the local optimum
a. The performance of the result obtained will depend on the initial random cluster
assignment.
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
√ Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, Bancontact of creditcard voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper ArisMaya. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €10,99. Je zit daarna nergens aan vast.
