Поиск:
А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я


Статьи

Словари:

Архитектурный словарь
Бизнес словарь
Биографический словарь
Исторический словарь
Медицинский словарь
Морской словарь
Политический словарь
Психологический словарь
Религиозный словарь
Сексологический словарь
Словарь воровского жаргона
Словарь имён
Словарь компьютерного жаргона
Словарь логики
Словарь мер и весов
Словарь нумизмата
Словарь Русских фамилий
Словарь символов
Словарь синонимов
Социологический словарь
Строительный словарь
Философский словарь
Финансовый словарь
Экономический словарь
Этнографический словарь
Юридический словарь



Социологический словарь

АНАЛИЗ КЛАСТЕРНЫЙ:



АНАЛИЗ КЛАСТЕРНЫЙ - (автоматическая классификация,  таксономия,  распознавание образов)  - совокупность  многомерных статистических методов, предназначенных для исследования структуры некоторой совокупности объектов, переменных или других единиц анализа.  Анализ структуры объектов, т.е. разделение их на классы  (кластеры  - ), производится на основе матрицы расстояний - квадратной таблицы, в которой представлены расстояния между всеми возможными парами объектов в многомерном пространстве переменных. Выбор мер расстояния зависит от типа измерительных шкал; наиболее просто он определяется, если все признаки измерены с помощью однотипных шкал - количественных, порядковых или дихотомических. Для некоррелированных количественных и порядковых переменных обычно используется расстояние Евклида, для коррелированных - расстояние Махалонобиса; для дихотомических шкал - расстояние Хемминга (city-block). Иногда вместо мер расстояния используются меры сходства или подобия объектов. Алгоритмы  А.К. можно разделить на иерархические, неиерархические и методы классификации  "с обучением". Иерархические методы  предполагают последовательное объединение объектов в кластеры по степени их близости друг к другу или, напротив, последовательное разбиение совокупности объектов на все более мелкие кластеры. В этом случае кластерное решение  представляет собой иерархическую структуру вложенных друг в друга кластеров. Неиерархические методы позволяют находить и идентифицировать "сгущения" объектов в пространстве переменных. Кластеризация "с обучением" предполагает, что количество классов известно заранее, и имеется обучающая выборка  - набор объектов, для которых известно, к каким классам они принадлежат. Остальные объекты  классифицируются по степени их близости к объектам из выборки обучающей . Результаты А.К. чаще всего представляются графически, в виде дендрограммы ("дерева"), показывающей порядок объединения объектов в кластеры. Интерпретация  кластерной структуры, которая во многих случаях начинается с определения числа кластеров, является творческой задачей. Для того, чтобы она могла быть эффективно решена, исследователь должен располагать достаточной информацией о кластеризуемых объектах. При кластеризации "с обучением" результаты могут быть представлены в виде списков объектов, отнесенных к каждому классу.  Основными преимуществами А.К. являются отсутствие ограничений на распределение  переменных, используемых в анализе; возможность классификации (кластеризации) даже в тех случаях, когда нет никакой априорной информации о количестве и характере классов; универсальность (кластерный анализ  может применяться не только к совокупностям объектов, но также к наборам переменных или любых других единиц анализа). О.В. Терещенко
Похожие на АНАЛИЗ КЛАСТЕРНЫЙ слова / понятия:

АНАЛИЗ КОРРЕЛЯЦИОННЫЙ
АНАЛИЗ КОВАРИАЦИОННЫЙ
АНАЛИЗ ЛАТЕНТНО-СТРУКТУРНЫЙ
АНАЛИЗ ЛОГЛИНЕЙНЫЙ
АНАЛИЗ МНОГОМЕРНЫЙ
АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ
АНАЛИЗ ПРИБЫЛИ И ИЗДЕРЖЕК
АНАЛИЗ ПРИЧИННЫЙ
АНАЛИЗ ПУТЕВОЙ
АНАЛИЗ РАЗГОВОРА (CONVERSATION ANALYSIS)