Exploracion y validacion de datos para clusters

[jbazans]

El análisis de conglomerados se usa a menudo para encontrar clústeres y algoritmos diseñados y ajustados para encontrar los clusters "correctos". En lugar de buscar el "mejor" algoritmo de agrupación, argumentamos que un concepto claro de cuál es el objetivo de un análisis de conglomerados y una mejor comprensión de los datos, especialmente basada en visualizaciones, puede ser más crucial que la búsqueda del algoritmo correcto . En este artículo, volvemos a visitar un método llamado clustering de evaluación de asignación de datos dinámicos que estaba destinado tanto a evaluar la estructura de clúster inherente en un conjunto de datos como a encontrar los clústeres. Aquí ampliamos este algoritmo para una mejor visualización de posibles estructuras de clúster y también para validar clústeres individuales que fueron encontrados por otros algoritmos. Aunque este nuevo enfoque puede ayudar a identificar clusters, es una herramienta de apoyo y no se usa como un algoritmo de agrupamiento.