Please enable JavaScript.

Coggle requires JavaScript to display documents.

Hierarchical Clustering - Coggle Diagram

- - - - parti da cluster-punti singoli
        
        unisci i due cluster più vicini e aggiorna la matrice di prossimità (ripeti fino a che rimane un solo cluster)
  - - - gestisce forme non globulari
      - sensibile a rumore e outliers
    - - meno suscettibile a rumore e outliers
      - tende a rompere cluster grandi
        e preferisce cluster globurali
    - - proximity(Ci,Cj)= sum (proximity(pi, pj)/ |Ci|* |Cj|
      - meno suscettibile a noise and outliers
      - favorisce cluster globulari
    - - p(A,B)=n_A*n_B / (n_A+n_B) d(cA,cB)^2
        
        n numero di punti nel cluster
      - complessità piuttosto elevata
        (N^2 spazio, N^3 tempo)
- - - - aggiungi il punto più vicino dell'albero all'albero
        
        ripeti
    - - rompi il collegamento corrispondente alla minore similarità
  - - - n° punti che la cella contiene
      - densità euclidea:
        n° punti entro uno specifico raggio di un punto
    - - basato sulla densità euclidea
      - tipologie punti
        
        core point
        
        densi
        interni al cluster
        
        border point
        
        sul bordo dei core
        
        noise point
        
        ne uno ne l'altro
      - PROCEDIMENTO
        
        etichetta punti per tipologia
        
        elimina noise
        
        put an edge tra tutti
        i core point entro Eps uno dell'altro
        
        ogni gruppo è un cluster
        
        associa i border ai cluster
        più vicini
      - Bene
        resistenza al rumore
        lavora bene con differenti forme e taglie
        Male
        densità varia
        dati con alta dimensionalità
      - determinare eps and minpts
        
        i punti devono avere il k esimo vicino più vicino circa alla stessa distanza
        
        i punti di rumore hanno il k vicino più vicino
        ad una distanza più elevata
        
        PLOTTO LE DISTANZE AL K-ESIMO
        
        scelgo il punto di gomito
        
        eps=ordinata del punto di gomito
        
        MinPts=k
        usually k=4
      - Complessità
        
        O(m x time to find points in the epsilon-neighbourhood)
        
        worst case O(m^2)
        
        con particolari data structures =(m log m)
        
        spazio O(m)