Clustering gerarchico: differenze tra le versioni

Versione delle 20:30, 13 feb 2011

Versione delle 21:09, 26 lug 2011

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}}{{citeCita web | titletitolo=The DISTANCE Procedure: Proximity Measures | url=http://support.sas.com/documentation/cdl/en/statug/59654/HTML/default/statug_distance_sect016.htm | workopera=SAS/STAT 9.2 Users Guide | publishereditore= [[SAS Institute]] | datedata= | accessdateaccesso=2009-04-26 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}}{{citeCita web | titletitolo=The CLUSTER Procedure: Clustering Methods | url=http://support.sas.com/documentation/cdl/en/statug/59654/HTML/default/statug_cluster_sect012.htm | workopera=SAS/STAT 9.2 Users Guide | publishereditore= [[SAS Institute]] | datedata= | accessdateaccesso=2009-04-26 aprile 2009}}</ref>

{|class="wikitable"

! Nome del criterio

Riga 47:

==Bibliografia==

*{{en}} {{citeCita booklibro|last1cognome=Hastie|first1nome=Trevor|last2=Tibshirani|first2=Robert|last3=Friedman|first3=Jerome |yearanno=2001 |titletitolo=The Elements of Statistical Learning |ISBN=0-387-95284-5 |publishereditore=Springer |___locationcittà=New York |chaptercapitolo=14.3.12 Hierarchical clustering |pagespagine=272–280}}

==Voci correlate==