Clustering gerarchico: differenze tra le versioni

Versione delle 15:01, 29 set 2014

Versione delle 07:44, 4 gen 2016

Riga 15:

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, <math>\sqrt{2}</math> or 1 se si utilizzando rispettivamente le norme 1, 2 o infinito.

Metriche comuni sono le seguenti:<ref>{{en}}{{Citacita web|lingua=en | titolo=The DISTANCE Procedure: Proximity Measures | url=http://support.sas.com/documentation/cdl/en/statug/59654/HTML/default/statug_distance_sect016.htm |sito=SAS/STAT 9.2 Users Guide | editore= [[SAS Institute]] | data= | accesso=26 aprile 2009}}</ref>

* La [[distanza euclidea]] (chiamata anche norma 2)

* La [[distanza di Manhattan]] (chiamata anche norma 1)

Riga 26:

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:<ref>{{en}}{{Citacita web|lingua=en | titolo=The CLUSTER Procedure: Clustering Methods | url=http://support.sas.com/documentation/cdl/en/statug/59654/HTML/default/statug_cluster_sect012.htm |sito=SAS/STAT 9.2 Users Guide | editore= [[SAS Institute]] | data= | accesso=26 aprile 2009}}</ref>

{|class="wikitable"

! Nome del criterio

Riga 57:

== Collegamenti esterni ==

*[{{cita web|http://www.matematicamente.it/il_magazine/numero_9%3a_aprile_2009/112._data_mining%3a_esplorando_le_miniere_alla_ricerca_della_conoscenza_nascosta_clustering_200905305380/ |(IT) Articolo divulgativo sul Clustering e Data Mining]}}

[[Categoria:Apprendimento automatico]]