Clustering gerarchico

Per decidere quali cluster devono essere combinati (approccio agglomerativo) o quale cluster deve essere suddiviso (approccio divisivo) è necessario definire una misura di dissimilarità tra cluster. Nella maggior parte dei metodi di clustering gerarchico si fa uso di metriche specifiche che quantificano la distanza tra coppie di elementi e di un criterio di collegamento che specifica la dissimilarità di due insiemi di elementi (cluster) come funzione della distanza a coppie tra elementi nei due insiemi.

  Lo stesso argomento in dettaglio: Metrica (matematica).

La scelta di una metrica appropriata influenza la forma dei cluster, poiché alcuni elementi possono essere più "vicini" utilizzando una distanza e più "lontani" utilizzandone un'altra. Per esempio, in uno spazio a 2 dimensioni, la distanza tra il punto (1, 1) e l'origine (0, 0) è 2, ${\displaystyle {\sqrt {2}}}$  or 1 se si utilizzando rispettivamente le norme 1, 2 o infinito.

Metriche comuni sono le seguenti:^[1]

• La distanza euclidea (chiamata anche norma 2)
• La distanza di Manhattan (chiamata anche norma 1)
• La norma uniforme
• La distanza di Mahalanobis, che corregge i dati per scale differenti e le correlazioni nelle variabili
• L'angolo tra i due vettori.
• La distanza di Hamming, che misura il minimo numero di sostituzioni richieste per cambiare un membro nell'altro.

Il criterio di collegamento (linkage criterion) specifica la distanza tra insiemi di elementi come funzione di distanze tra gli elementi negli insiemi.

Dati due insiemi di elementi A e B alcuni criteri comunemente utilizzati sono:^[2]

Nome del criterio	Formula
Complete linkage	${\displaystyle \max \,\{\,d(a,b):a\in A,\,b\in B\,\}.}$
Minimum o single-linkage	${\displaystyle \min \,\{\,d(a,b):a\in A,\,b\in B\,\}.}$
Average linkage	${\displaystyle {\frac {1}{|A||B|}}\sum _{a\in A}\sum _{b\in B}d(a,b).}$

dove d è la metrica prescelta per determinare la similarità tra coppie di elementi.

• (EN) Trevor Hastie, Robert Tibshirani e Jerome Friedman, 14.3.12 Hierarchical clustering, in The Elements of Statistical Learning, New York, Springer, 2001, pp. 272–280, ISBN 0-387-95284-5.

• Clustering
• Dendrogramma

•   Wikimedia Commons contiene immagini o altri file sul clustering gerarchico

• (IT) Articolo Il Clustering dell'Unirc (PDF), su unirc.it. URL consultato il 21 febbraio 2023.

  Portale Informatica

  Portale Statistica