k-Means Clusteranalyse: Einfach erklärt
ฝัง
- เผยแพร่เมื่อ 15 มิ.ย. 2024
- Die k-Means Clusteranalyse ist eine der einfachsten und gängigsten Verfahren zur Clusteranalyse. Damit stellt das k-Means-Verfahren eines der am weitesten verbreiteten Verfahren dar. Es handelt sich dabei um ein partitionierendes Verfahren, welches besonders für große Datenmengen geeignet ist.
Das k-Means-Verfahren probiert, die Datenpunkte so auf die k Cluster zu verteilen, dass die Summe der Entfernungen von jedem Punkt zu dem jeweiligen Cluster Centroid minimiert wird.
Mehr zum k-Means Clustering findest du unter:
datatab.de/tutorial/k-means-c...
Und hier gehts zum online k-Means Cluster Rechner auf DATAtab:
datatab.de/statistik-rechner/...
![Hierarchische Clusteranalyse [Einfach erklärt]](http://i.ytimg.com/vi/uincOEkugpw/mqdefault.jpg)
![Hierarchische Clusteranalyse [Einfach erklärt]](/img/tr.png)
![จังหวะนี้ - เม้ก อภิสิทธิ์ [ Official MV ] จอนนี่มิวสิค](http://i.ytimg.com/vi/4gQRZCkRyiU/mqdefault.jpg)
Ich bin in der Endphase meiner Masterarbeit und das Video hat mir ENORM geholfen.
Danke dass ihr zudem das Tool anbietet!!❤
Danke : )
Sehr gut erklärt, 10x besser wie der Prof an der technsichen Hochschule mit seinen PDFs, wo man nur das gröbste verstanden hat.
Ich habe mir während meiner Vorlesung zu Business Intelligence euer Video angeschaut und auf Anhieb das Thema verstanden. Schön finde ich, wie Ihr die Theorie anhand einfacher Beispiele erklärt und am Ende ein Praxisbeispiel heranzieht. Beides war super, um die Thematik zu verinnerlichen und den praktischen Nutzen dahinter direkt zu verstehen.
Vielen vielen Dank für den nettes Feedback! Liebe Grüße Mathias
Ihr seid der Hammer. Vielen Dank!
hammer! sehr gut erklärt, also vielen vielen Dank :)
Danke für das Feedback! LG Mathias
Wow, vielleicht wird die Klausur doch kein Reinfall :) Vielen Dank für diese tollen Erklärungen!
Danke für das nette Feedback! LG Mathias
Mein Leben wurde durch diese Video gerettet! 😂
Danke : ) Die deutschen Videos sammeln wir inzwischen auf diesen Kanal: th-cam.com/channels/VZaue_FdN20PrBLwv6rrvg.html Würde mich freuen, wenn du mal vorbei schaust! LG Mathias
direkt verstanden, danke :) besser als meine vorlesung :D
Super! vielen Dank! LG Mathias
Gute Übersicht! Danke!
Danke : ) LG Mathias
Vielen Dank für den Content!
Hab ich dich richtig verstanden, dass 3 Cluster (unabhängig der Anzahl an Variablen und Probanden) immer der way to go ist? Oder hängt das nicht stark von der Menge an Daten ab, die ich clustere?
Super erklärt !!! 😍
Danke : ) LG Mathias
vielen dank!!
Danke fürs schauen : ) LG mathias
Wie sieht die Verteilung der Punkte aus, wenn ich anstatt dem Alter das Geschlecht verwendet hätte? Kann ich überhaupt zur Clusterbildung eine nominale mit einer metrischen Variable kombinieren?
kurze Frage dazu, ich habe bei mir die cluster soweit gebildet, auch mit einigen ausgeschlossenen Datensätzen. Wenn ich dann eine Variable habe, welche von allen teilnehmern (also auch die aus der cluster augeschlossenen) Datensätze hat, darf ich dann auch damit auch Korrelationen mit den anfangsgebildeten Clustern nehmen oder muss ich dafür die ausgeschlossenen Datensätze auch aus der du messenden Variable ausschließen)
Oh sorry, dass kann ich dir leider nicht beantworten auf die schnelle!
Wie kommt man auf die Summe quadrierter Abstände bei der Ellenbogenmethode?
Macht man zu erst die Ellenbogenmethode und dann die Clusteranalyse oder andersrum?
Hallo, danke für deine Frage! Genau, man muss zuerst für jede Clusteranzahl eine Clusteranalyse berechnen, dann kann man sich die Abstände mit der Ellenbogenmethode darstellen lassen und dann entscheiden welche Clusteranzahl man nimmt! LG Mathias
bester mann