İstatistik Sözlüğü → Küme sayısının seçimi
Küme sayısının seçimikavram
Kümeleme ya da gizil sınıf analizlerinde verinin kaç gruba ayrılacağına, dirsek, silhouette, gap istatistiği veya bilgi ölçütleri gibi göstergelere bakarak karar verme işlemi.
K-ortalamalar gibi yöntemler küme sayısını (K) kullanıcıdan ister; hiyerarşik kümelemede de ağacın kaç kümeye kesileceği seçilmelidir. Yaygın göstergeler şunlardır: dirsek yöntemi, K arttıkça küme içi kareler toplamının azalışındaki belirgin kırılmayı arar; ortalama silhouette, her gözlemin kendi kümesine diğer kümelerden ne kadar daha yakın olduğunu -1 ile 1 arasında ölçer ve en yüksek değeri veren K seçilir; gap istatistiği, gözlenen küme içi dağınıklığı yapısız (düzgün dağılımlı) referans verilerdekiyle karşılaştırır; Calinski-Harabasz ölçütü kümeler arası ve küme içi varyansın oranına bakar. Gizil sınıf ve gizil profil analizlerinde ise farklı sınıf sayılı modeller BIC gibi bilgi ölçütleriyle karşılaştırılır.
Bu göstergeler çoğu zaman aynı yanıtı vermez ve verideki gerçek bir 'doğru' K'nın varlığı da garanti değildir; bazen veri belirgin kümeler içermez. Bu yüzden seçim, istatistiksel göstergeler ile kümelerin yorumlanabilirliği ve kullanım amacı birlikte düşünülerek yapılmalıdır. Kümelerin kararlılığı, örneğin farklı başlangıçlarla ya da alt örneklemlerle aynı yapının çıkıp çıkmadığına bakılarak sınanabilir. Değişkenlerin ölçeklenmesi ve seçilen uzaklık ölçüsü de önerilen K'yı etkiler.
Gündelik bir örnek
Bir giyim markası müşterilerini harcama ve alışveriş sıklığına göre gruplamak istiyor. K = 2 ile 'az harcayanlar' ve 'çok harcayanlar' çıkıyor; K = 4 ile bunlara 'nadir ama yüksek tutarlı' ve 'sık ama küçük tutarlı' gruplar ekleniyor. Silhouette değeri K = 4'te en yüksekse ve dört grup pazarlama ekibi için anlamlı kampanyalara dönüşebiliyorsa dört küme makul bir seçimdir.
MerQur'da
K-Ortalamalar Kümeleme'de 'Küme sayısı (K)', 'K seçim ölçütü' (Elle, en yüksek ortalama silhouette, gap istatistiği) ve 'K seçim ölçütleri tablosu' (dirsek, silhouette, Calinski-Harabasz); Hiyerarşik Kümeleme'de 'Küme sayısı (K)' ve 'K seçim ölçütleri tablosu'; Değişken Kümeleme'de 'Küme sayısı (K)'. Gizil Sınıf ve Gizil Profil Analizi'nde 1..K sınıflı modeller ölçütlerle karşılaştırılır.
Bu kavramın geçtiği analizler
Değişken KümelemeK-Ortalamalar KümelemeHiyerarşik KümelemeDBSCAN / HDBSCANGizil Sınıf AnaliziGizil Profil AnaliziHexbin HaritasıDBSCAN Mekânsal Kümeleme
İlgili kavramlar
Siluet katsayısıGap istatistiğiDirsek yöntemi ve k-uzaklık grafiği