Top Down Clustering

詳細

この演算子はネストされた演算子です。つまり、サブプロセスがあります。サブプロセスには、フラットなクラスタリング演算子（K-Means演算子など）が必要です。この演算子は、サブプロセスで提供されるクラスタリング演算子を使用して階層クラスタリングモデルを構築します。この演算子を適用するには、サブプロセスの基本的な理解が必要です。サブプロセスの基本的な理解については、サブプロセス演算子のドキュメントをご覧ください。

トップダウンクラスタリングの基本的な考え方は、すべての観測が1つのクラスターで開始され、階層が下に移動するにつれて分割が再帰的に実行されるということです。トップダウンクラスタリングは、階層的クラスタリングの戦略です。階層クラスタリング（接続ベースのクラスタリングとも呼ばれます）は、クラスターの階層を構築しようとするクラスター分析の方法です。階層的クラスタリングは、オブジェクトが遠く離れたオブジェクトよりも近くのオブジェクトに関連しているというコアアイデアに基づいています。そのため、これらのアルゴリズムは「オブジェクト」（またはExampleSetの場合は例）を接続して、距離に基づいてクラスターを形成します。クラスタの大部分は、クラスタの一部を接続するために必要な最大距離によって説明できます。異なる距離では、異なるクラスターが形成されます。これらのアルゴリズムは、データセットの単一のパーティション化を提供するのではなく、特定の距離で互いにマージするクラスターの広範な階層を提供します。

階層的クラスタリングの戦略は、一般に2つのタイプに分類されます。

• Agglomerative：これはボトムアップのアプローチです。各観測は独自のクラスターで開始され、クラスターのペアは階層が上に移動するにつれてマージされます。このタイプのクラスタリングは、凝集性クラスタリング演算子としてRapidMinerに実装されています。
• 分割：これはトップダウンのアプローチです。すべての観測は1つのクラスターで開始され、階層が下に移動するにつれて分割が再帰的に実行されます。

クラスタリングは、互いに類似しており、他のクラスターに属するオブジェクトとは異なるオブジェクトをグループ化することに関係しています。これは、ラベルのないデータから情報を抽出するための手法であり、多くのさまざまなシナリオで非常に役立ちます。たとえば、同様の購入行動を持つ顧客のクラスターを見つけることに関心があるマーケティングアプリケーションなどです。