Pengelompokan Hierarkis adalah metode analisis gugus yang membangun hierarki gugus.Terdapat banyak digunakan dalam analisis data untuk mengelompokkan objek serupa berdasarkan fitur mereka.Teknik ini berguna untuk memahami struktur data dan mengidentifikasi pengelompokan alami.

Konsep Dasar Pembulatan Hierarki

Ide utama dari kalangan Behinner hierarkic clustering adalah untuk membuat struktur seperti pohon yang disebut dendrogram. Dendrogram ini menggambarkan bagaimana titik data dikelompokkan pada berbagai tingkat kesamaan. Proses dapat bersifat agglomerasi, dimulai dengan titik data individu dan penggabungan mereka, atau memecah, dimulai dengan semua titik data dalam satu gugus dan membelah mereka.

Langkah - Langkah ufuk dalam Pen Clusteran Hierarki

Langkah-langkah yang biasa terlibat adalah:

  • ¡Cula kira jarak antara titik data menggunakan metrik yang dipilih, seperti jarak Euclidean.
  • Cantumkan dua titik atau gugus terdekat berdasarkan linkage critter.
  • Update matriks jarak untuk mencerminkan cluster baru.
  • Pengulangan proses penggabungan sampai semua titik data dikelompokkan ke dalam satu gugus atau kriteria berhenti dipenuhi.

Contoh Implementasi Praktis

Contoh berikut menunjukkan bagaimana melakukan pengelompokan agglomerasi pada suatu dataset:

[[CANDA:0]]Code snippet:]

numpy impor umpni ``python sebagai np dari scipy.cluster.hierarchy import linkage, dendrogram import matpllotlib.pyplot sebagai plt # Data data sampel = np.array([1, 2], [3, 4], [5], 6], [8, 8], [9, 10) # Lakukan hirarchical clustering linking = linkage(data, method='single') # Plot dendrogram dendrogram dendrogram(link) pltshow.()```

Aplikasi Pen Clusteran Hierarkikal

Pengelompokan hierarkis kinerarki digunakan dalam berbagai bidang seperti biologi untuk analisis ekspresi gen, pemasaran untuk segmentasi pelanggan, dan analisis gambar untuk pengenalan objek.Kemampuannya untuk mengungkapkan struktur data pada tingkat yang multiple membuatnya menjadi alat serbaguna.