L’obiettivo \u00e8 trovare cluster tali che le osservazioni all’interno di ciascun cluster siano abbastanza simili tra loro, mentre le osservazioni in cluster diversi siano abbastanza diverse l’una dall’altra.<\/span><\/p>\n Il clustering \u00e8 una forma di apprendimento non supervisionato<\/a> perch\u00e9 stiamo semplicemente cercando di trovare la struttura all’interno di un set di dati invece di prevedere il valore di una variabile di risposta<\/a> .<\/span><\/p>\n Il clustering viene spesso utilizzato nel marketing quando le aziende hanno accesso a informazioni quali:<\/span><\/p>\n Quando queste informazioni sono disponibili, il clustering pu\u00f2 essere utilizzato per identificare famiglie simili e che potrebbero avere maggiori probabilit\u00e0 di acquistare determinati prodotti o di rispondere meglio a un certo tipo di pubblicit\u00e0.<\/span><\/p>\n Una delle forme pi\u00f9 comuni di clustering \u00e8 nota come clustering k-mean<\/a> .<\/span><\/p>\n Sfortunatamente, questo metodo pu\u00f2 essere influenzato da valori anomali, motivo per cui un’alternativa spesso utilizzata \u00e8 il clustering k-medoids<\/strong> .<\/span><\/p>\n Il clustering K-medoids \u00e8 una tecnica in cui inseriamo ciascuna osservazione in un set di dati in uno dei cluster K.<\/em><\/span><\/p>\n L’obiettivo finale \u00e8 quello di avere K<\/em> cluster in cui le osservazioni all’interno di ciascun cluster sono abbastanza simili tra loro mentre le osservazioni nei diversi cluster sono abbastanza diverse l’una dall’altra.<\/span><\/p>\n In pratica, utilizziamo i seguenti passaggi per eseguire il clustering K-means:<\/span><\/p>\n 1. Scegli un valore per K.<\/em><\/strong><\/span><\/p>\n 2. Assegnare casualmente ciascuna osservazione a un cluster iniziale, da 1 a K.<\/em><\/strong><\/span><\/p>\n 3. Eseguire la seguente procedura finch\u00e9 le assegnazioni dei cluster non smettono di cambiare.<\/strong><\/span><\/p>\n Nota tecnica:<\/strong><\/span><\/p>\n Poich\u00e9 k-medoids calcola i centroidi del cluster utilizzando le mediane anzich\u00e9 le medie, tende ad essere pi\u00f9 robusto rispetto ai valori anomali rispetto a k-means.<\/span><\/p>\n In pratica, se non sono presenti valori anomali estremi nel set di dati, k-medie e k-medoidi produrranno risultati simili.<\/span><\/p>\n<\/blockquote>\n Il tutorial seguente fornisce un esempio passo passo di come eseguire il clustering k-medoids in R.<\/span><\/p>\n Innanzitutto, caricheremo due pacchetti contenenti diverse funzioni utili per il clustering di k-medoid in R.<\/span><\/p>\n Per questo esempio, utilizzeremo il set di dati USArrests<\/em> integrato in R, che contiene il numero di arresti ogni 100.000 persone in ciascuno stato degli Stati Uniti nel 1973 per omicidio<\/em> , aggressione<\/em> e stupro<\/em> , nonch\u00e9 la percentuale della popolazione di ciascuno stato che vive in aree urbane le zone. , UrbanPop<\/em> .<\/span><\/p>\n Il codice seguente mostra come eseguire le seguenti operazioni:<\/span><\/p>\n Per eseguire il clustering k-medoid in R, possiamo utilizzare la funzione pam()<\/strong> , che sta per “partitioning around medians” e utilizza la seguente sintassi:<\/span><\/p>\n pam(data, k, metrica = \u201ceuclidea\u201d, stand = FALSE)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Poich\u00e9 non sappiamo in anticipo quale numero di cluster \u00e8 ottimale, creeremo due diversi grafici che possono aiutarci a decidere:<\/span><\/p>\n 1. Numero di cluster rispetto al totale nella somma dei quadrati<\/strong><\/span><\/p>\n Innanzitutto, utilizzeremo la funzione fviz_nbclust()<\/strong> per creare un grafico del numero di cluster rispetto al totale nella somma dei quadrati:<\/span> <\/p>\n Il totale nella somma dei quadrati generalmente aumenter\u00e0 sempre all’aumentare del numero di cluster. Quindi, quando creiamo questo tipo di trama, cerchiamo un “ginocchio” in cui la somma dei quadrati inizia a “piegarsi” o a livellarsi.<\/span><\/p>\n Il punto di curvatura del grafico corrisponde generalmente al numero ottimale di cluster. Al di l\u00e0 di questa cifra, \u00e8 probabile che si verifichi un overfitting<\/a> .<\/span><\/p>\n\n
Cos’\u00e8 il clustering K-Medoids?<\/strong><\/span><\/h3>\n
\n
\n
\n
Raggruppamento dei K-Medoidi in R<\/strong><\/span><\/h3>\n
Passaggio 1: caricare i pacchetti necessari<\/strong><\/span><\/h3>\n
library<\/span> (factoextra)\nlibrary<\/span> (cluster)<\/strong><\/pre>\n Passaggio 2: caricare e preparare i dati<\/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 Passaggio 3: trovare il numero ottimale di cluster<\/strong><\/span><\/h3>\n
\n
fviz_nbclust(df, pam, method = \u201c wss<\/span> \u201d)<\/strong> <\/pre>\n![\"Cluster](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide1.png\")
<\/p>\n
![\"K-medoidi](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide2.png\")
<\/p>\n![\"Tracciare](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide3.png\")
<\/p>\n