Das Ziel besteht darin, Cluster zu finden, bei denen die Beobachtungen innerhalb jedes Clusters einander recht \u00e4hnlich sind, w\u00e4hrend sich die Beobachtungen in verschiedenen Clustern deutlich voneinander unterscheiden.<\/span><\/p>\n Clustering ist eine Form des unbeaufsichtigten Lernens,<\/a> da wir lediglich versuchen, die Struktur innerhalb eines Datensatzes zu finden, anstatt den Wert einer Antwortvariablen<\/a> vorherzusagen.<\/span><\/p>\n Clustering wird h\u00e4ufig im Marketing eingesetzt, wenn Unternehmen Zugriff auf Informationen haben wie:<\/span><\/p>\n Wenn diese Informationen verf\u00fcgbar sind, kann Clustering verwendet werden, um Haushalte zu identifizieren, die \u00e4hnlich sind und m\u00f6glicherweise eher bestimmte Produkte kaufen oder besser auf eine bestimmte Art von Werbung reagieren.<\/span><\/p>\n Eine der h\u00e4ufigsten Formen des Clusterings ist das sogenannte K-Means-Clustering<\/a> .<\/span><\/p>\n Leider kann diese Methode durch Ausrei\u00dfer beeinflusst werden, weshalb eine h\u00e4ufig verwendete Alternative das k-Medoids-Clustering<\/strong> ist.<\/span><\/p>\n Beim K-Medoid-Clustering handelt es sich um eine Technik, bei der wir jede Beobachtung in einem Datensatz einem von K-<\/em> Clustern zuordnen.<\/span><\/p>\n Das Endziel besteht darin, K-<\/em> Cluster zu haben, in denen die Beobachtungen innerhalb jedes Clusters einander ziemlich \u00e4hnlich sind, w\u00e4hrend sich die Beobachtungen in verschiedenen Clustern deutlich voneinander unterscheiden.<\/span><\/p>\n In der Praxis verwenden wir die folgenden Schritte, um K-Means-Clustering durchzuf\u00fchren:<\/span><\/p>\n 1. W\u00e4hlen Sie einen Wert f\u00fcr K.<\/em><\/strong><\/span><\/p>\n 2. Ordnen Sie jede Beobachtung zuf\u00e4llig einem Anfangscluster von 1 bis K<\/em> zu.<\/strong><\/span><\/p>\n 3. F\u00fchren Sie das folgende Verfahren aus, bis sich die Clusterzuweisungen nicht mehr \u00e4ndern.<\/strong><\/span><\/p>\n Technischer Hinweis:<\/strong><\/span><\/p>\n Da k-medoids Clusterschwerpunkte anhand von Medianen und nicht anhand von Mittelwerten berechnet, ist es tendenziell robuster gegen\u00fcber Ausrei\u00dfern als k-means.<\/span><\/p>\n In der Praxis f\u00fchren k-means und k-medoids zu \u00e4hnlichen Ergebnissen, wenn der Datensatz keine extremen Ausrei\u00dfer enth\u00e4lt.<\/span><\/p>\n<\/blockquote>\n Das folgende Tutorial bietet ein schrittweises Beispiel f\u00fcr die Durchf\u00fchrung von K-Medoids-Clustering in R.<\/span><\/p>\n Zuerst werden wir zwei Pakete laden, die mehrere n\u00fctzliche Funktionen f\u00fcr das k-Medoid-Clustering in R enthalten.<\/span><\/p>\n F\u00fcr dieses Beispiel verwenden wir den in R integrierten Datensatz \u201eUSArrests<\/em> \u201c, der die Anzahl der Festnahmen pro 100.000 Einwohner in jedem US-Bundesstaat im Jahr 1973 wegen Mordes<\/em> , K\u00f6rperverletzung<\/em> und Vergewaltigung<\/em> sowie den Prozentsatz der Stadtbev\u00f6lkerung jedes Bundesstaates enth\u00e4lt Bereiche. , UrbanPop<\/em> .<\/span><\/p>\n Der folgende Code zeigt, wie Sie Folgendes tun:<\/span><\/p>\n Um k-Medoid-Clustering in R durchzuf\u00fchren, k\u00f6nnen wir die Funktion pam()<\/strong> verwenden, die f\u00fcr \u201ePartitionierung um Mediane\u201c steht und die folgende Syntax verwendet:<\/span><\/p>\n pam(Daten, k, Metrik = \u201eEuklidisch\u201c, Stand = FALSCH)<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Da wir nicht im Voraus wissen, welche Anzahl von Clustern optimal ist, erstellen wir zwei verschiedene Diagramme, die uns bei der Entscheidung helfen k\u00f6nnen:<\/span><\/p>\n 1. Anzahl der Cluster im Verh\u00e4ltnis zur Gesamtsumme in Quadratsumme<\/strong><\/span><\/p>\n Zuerst verwenden wir die Funktion fviz_nbclust()<\/strong> , um ein Diagramm der Anzahl der Cluster im Vergleich zur Gesamtsumme der Quadrate zu erstellen:<\/span> <\/p>\n Die Gesamtsumme der Quadrate wird im Allgemeinen immer gr\u00f6\u00dfer, wenn wir die Anzahl der Cluster erh\u00f6hen. Wenn wir diese Art von Diagramm erstellen, suchen wir nach einem \u201eKnie\u201c, an dem sich die Summe der Quadrate zu \u201everbiegen\u201c oder einzuebnen beginnt.<\/span><\/p>\n Der Kr\u00fcmmungspunkt des Diagramms entspricht im Allgemeinen der optimalen Anzahl von Clustern. \u00dcber diesen Wert hinaus ist eine \u00dcberanpassung<\/a> wahrscheinlich.<\/span><\/p>\n F\u00fcr dieses Diagramm scheint es, dass es bei k = 4 Clustern einen kleinen Knick oder eine \u201eKr\u00fcmmung\u201c gibt.<\/span><\/p>\n\n
Was ist K-Medoids-Clustering?<\/strong><\/span><\/h3>\n
\n
\n
\n
K-Medoide h\u00e4ufen sich in R<\/strong><\/span><\/h3>\n
Schritt 1: Laden Sie die erforderlichen Pakete<\/strong><\/span><\/h3>\n
library<\/span> (factoextra)\nlibrary<\/span> (cluster)<\/strong><\/pre>\n Schritt 2: Daten laden und vorbereiten<\/strong><\/span><\/h3>\n
\n
#load data<\/span>\ndf <-USArrests\n\n#remove rows with missing values<\/span><\/strong>\ndf <- na. omitted<\/span> (df)\n\n#scale each variable to have a mean of 0 and sd of 1<\/span><\/strong>\ndf <- scale(df)\n\n#view first six rows of dataset<\/span>\nhead(df)\n\n Murder Assault UrbanPop Rape\nAlabama 1.24256408 0.7828393 -0.5209066 -0.003416473\nAlaska 0.50786248 1.1068225 -1.2117642 2.484202941\nArizona 0.07163341 1.4788032 0.9989801 1.042878388\nArkansas 0.23234938 0.2308680 -1.0735927 -0.184916602\nCalifornia 0.27826823 1.2628144 1.7589234 2.067820292\nColorado 0.02571456 0.3988593 0.8608085 1.864967207\n<\/strong><\/pre>\n Schritt 3: Finden Sie die optimale Anzahl an Clustern<\/strong><\/span><\/h3>\n
\n
fviz_nbclust(df, pam, method = \u201c wss<\/span> \u201d)<\/strong> <\/pre>\n![\"Optimale](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide1.png\")
<\/p>\n
![\"K-medoide](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide2.png\")
<\/p>\n![\"Darstellung](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide3.png\")
<\/p>\n