Summary  
This chapter explains linkage methods for hierarchical clustering, detailing how to choose reference points between clusters—such as the closest (single linkage), farthest (complete linkage), centroids, or all point pairs (average linkage)—to compute inter-cluster distances and shape the resulting clusters.

General domain of usage  
Unsupervised machine learning (hierarchical clustering)

**Linkage-menetelmät** määrittävät, miten etäisyys klustereiden välillä mitataan klustereita muodostettaessa vaiheittain. Eri linkage-menetelmät tuottavat **erimuotoisia klustereita**.

- Käyttää **lyhintä etäisyyttä** kahden klusterin pisteiden välillä;
- Yhdistää klusterit, kun **mitkä tahansa pisteet lähestyvät toisiaan**;
- Luo pitkiä, ketjumaisia klustereita;
- Hyvä epäsäännöllisille muodoille;
- Herkkä kohinalle.

Single Linkage

- Käyttää **pisintä etäisyyttä** kahden klusterin pisteiden välillä;
- Yhdistää klusterit vain, kun **kaikki pisteet ovat suhteellisen lähellä**;
- Luo tiiviitä, pallomaisia klustereita;
- Vähemmän ketjumaisuutta;
- Kestävämpi kohinalle.

Complete Linkage

- Käyttää **keskimääräistä etäisyyttä** kaikkien kahden klusterin pisteparien välillä;
- Kompromissi single- ja complete-linkage-menetelmien välillä;
- Usein hyvä tasapaino.

Average Linkage

- Käyttää **klustereiden keskipisteiden välistä etäisyyttä**;
- Keskipiste on kaikkien klusterin pisteiden keskiarvopaikka;
- Voi joskus aiheuttaa inversioita (klusterit lähenevät kasvaessaan);
- Hyvä geometrisesti merkitykselliseen klusterointiin.

Centroid Linkage

Minimum distance between points in clusters

Maximum distance between points in clusters

Average distance between points in clusters

Lataa osion yhteenveto

Mikä linkitysmenetelmä tunnetaan pitkien, ketjuuntuvien klustereiden muodostamisesta ja on herkin kohinalle?

Hanki vankka ymmärrys klusterianalyysistä, joka on keskeinen valvomattoman oppimisen menetelmä mallien löytämiseen merkitsemättömästä datasta. Tutustu K-Means-, hierarkkisen klusteroinnin, DBSCAN:n ja GMM-menetelmien perusteisiin sekä saa käytännön kokemusta oikeilla aineistoilla, jotta voit soveltaa klusterointia todellisiin ongelmiin.

Perehdy klusteroinnin perusteisiin ja selvitä, miten se eroaa luokittelusta. Tutustu keskeisiin algoritmeihin, työkaluihin ja kirjastoihin, jotka mahdollistavat tämän valvomattoman oppimisen menetelmän piilevien rakenteiden löytämiseksi datasta.

Perusteellinen ymmärrys keskeisistä esikäsittelymenetelmistä, jotka varmistavat tehokkaan klusteroinnin. Puuttuvien arvojen käsittely, kategoristen ominaisuuksien koodaus, datan normalisointi sekä sopivien etäisyysmittareiden ja linkitysten valinta klusteroinnin tarkkuuden parantamiseksi.

Hallitse taidot, joita tarvitaan K-Means-klusteroinnin tehokkaaseen soveltamiseen. Opi algoritmin toimintaperiaate, optimaalisen klusterimäärän määrittäminen sekä käytännön toteutus K-Means-menetelmällä synteettisiin ja todellisiin aineistoihin.

Tutustu hierarkkisen klusteroinnin perusteisiin ja opi ryhmittelemään dataa merkityksellisiin klustereihin dendrogrammien avulla. Vahvista osaamistasi optimaalisen klusterimäärän tunnistamisessa ja menetelmän soveltamisessa sekä synteettisiin että todellisiin aineistoihin.

Tutustu siihen, miten DBSCAN tunnistaa erimuotoisia klustereita ja käsittelee kohinaa aineistossa. Ymmärrä tämän tiheysperusteisen algoritmin toimintaperiaatteet, pisteiden liittäminen klustereihin sekä sen soveltaminen sekä synteettisiin että todellisiin aineistoihin.

Perusteellinen ymmärrys Gaussin sekoitusmalleista ja niiden todennäköisyyspohjaisesta tavasta mallintaa monimutkaisia klusterimuotoja. Gaussin jakauman periaatteet. GMM-mallien toimintaperiaatteet. Soveltaminen sekä esimerkkiaineistoon että todellisiin aineistoihin.

Kytkennät