Analyse und Vergleich von verschiedenen Clustering - Verfahren auf Datensätze unterschiedlicher Dimensionalitäten

Abstract

Clustering stellt einen wichtigen Teil des maschinellen Lernens dar, der nicht vernachlässigt werden kann und die Klassifizierung von Daten ermöglicht. Im Rahmen der vorliegenden Studie wird ein Gesamtüberblick über den Vergleich verschiedener Clustering- Methoden gegeben. Ebenso werden ihre Leistung auf mehrdimensionalen Datensätze analysiert. In dieser Arbeit wird ein System entworfen, welches aus Clustering-Algorithmen besteht. Nachdem der Datensatz ausgewählt und die Merkmale der Cluster identifiziert wurden, wird die Leistung der Methode analysiert. Da die Daten hochdimensional sind, umfasst diese Arbeit auch eine Faktorenanalyse der Daten sowie eine anschließende Reduktion der Daten auf niedrigere Dimensionen zum Zweck der Visualisierung.

Clustering is an important part of machine learning that cannot be neglected and enables classification of data. This study provides an overall view of the comparison of different clustering methods and analyzes their performance on multidimensional datasets. A system is designed which consists of the composite of clustering algorithms. After selecting the dataset and identifying the characteristics of the clusters, the performance of the method is analyzed. Since the data is high dimensional, this work also includes factor analysis of the data and subsequent reduction of the data to lower dimensions for visualization.