पदानुक्रमित क्लस्टरिंग का परिचय
एक पदानुक्रमित क्लस्टरिंग दृष्टिकोण डेटा ऑब्जेक्ट्स को क्लस्टर्स के एक ट्री में विलय करके काम करता है। पदानुक्रमित क्लस्टरिंग एल्गोरिदम टॉप-डाउन या बॉटम-अप होते हैं। सटीक पदानुक्रमित क्लस्टरिंग तकनीकों की विशेषता विलय या विभाजन निर्णय पूरा होने के बाद समायोजन करने में असमर्थता से कम हो जाती है।
पदानुक्रमित क्लस्टरिंग के विभिन्न तत्व
1. वैश्विक उद्देश्य फ़ंक्शन का अभाव (Lack of a Global Objective Function)
एग्लोमरेटिव पदानुक्रमित क्लस्टरिंग विधियां स्थानीय रूप से, प्रत्येक चरण में, यह तय करने के लिए कई तत्वों का उपयोग करती हैं कि किन क्लस्टर्स को विलय किया जाना चाहिए (या विभाजन दृष्टिकोण के लिए विभाजित)।
यह दृष्टिकोण क्लस्टरिंग एल्गोरिदम को एक जटिल कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्या को हल करने का प्रयास करने की कठिनाई से बचाता है।
2. विभिन्न क्लस्टर आकारों को संभालने की क्षमता (Ability to Handle Different Cluster Sizes)
एग्लोमरेटिव पदानुक्रमित क्लस्टरिंग का वह तत्व कि विलय किए जाने वाले क्लस्टर्स के समूह के सापेक्ष आकारों पर कैसे विचार किया जाए। यह केवल उन क्लस्टर निकटता योजनाओं पर लागू होता है जिनमें योग शामिल होते हैं, जैसे सेंट्रॉयड, वार्ड्स, और ग्रुप एवरेज।
दो विधियां हैं जैसे वेटेड (Weighted), जो सभी क्लस्टर्स को समान रूप से मानती है, और अनवेटेड (Unweighted), जो प्रत्येक क्लस्टर में पॉइंट्स की संख्या को ध्यान में रखती है। वेटेड या अनवेटेड की शब्दावली डेटा पॉइंट्स को परिभाषित करती है, क्लस्टर्स को नहीं। दूसरे शब्दों में, असमान आकार के क्लस्टर्स को समान रूप से मानना विभिन्न क्लस्टर्स में पॉइंट्स को अलग-अलग वजन देता है, जबकि क्लस्टर आकार को ध्यान में रखना विभिन्न क्लस्टर्स में पॉइंट्स को समान वजन देता है।
3. विलय निर्णय अंतिम हैं (Merging Decisions are Final)
एग्लोमरेटिव पदानुक्रमित क्लस्टरिंग एल्गोरिदम दो क्लस्टर्स को संयोजित करने के बारे में अच्छे स्थानीय निर्णय लेने की प्रवृत्ति रखते हैं क्योंकि उन्हें सभी पॉइंट्स के जोड़ीदार समानता के बारे में डेटा की आवश्यकता हो सकती है। एक बार दो क्लस्टर्स को मर्ज करने का निर्णय लेने के बाद, इसे अगली बार पूर्ववत नहीं किया जा सकता। यह दृष्टिकोण एक स्थानीय ऑप्टिमाइज़ेशन तत्व को वैश्विक ऑप्टिमाइज़ेशन मानदंड बनने से रोकता है।
उदाहरण के लिए, हालांकि K-Means से "वर्ग त्रुटि न्यूनतम करें" मानदंड का उपयोग वार्ड्स विधि में यह निर्धारित करने के लिए किया जाता है कि किन क्लस्टर्स को मर्ज करना है, प्रत्येक स्तर पर क्लस्टर्स कुल SSE के संबंध में स्थानीय न्यूनतम को परिभाषित नहीं करते। वास्तव में, क्लस्टर्स गतिशील नहीं हैं, इस अर्थ में कि एक क्लस्टर में एक पॉइंट एक अलग क्लस्टर के सेंट्रॉयड के निकट हो सकता है बजाय अपने वर्तमान क्लस्टर के सेंट्रॉयड के।
कुछ विधियां उस सीमा को दूर करने का प्रयास करती हैं कि मर्ज अंतिम हैं। एक दृष्टिकोण ट्री की शाखाओं को संशोधित करके पदानुक्रमित क्लस्टरिंग को परिष्कृत करने का प्रयास करता है ताकि एक वैश्विक उद्देश्य फ़ंक्शन को बढ़ाया जा सके। एक अन्य दृष्टिकोण K-Means जैसी पार्टीशनल क्लस्टरिंग तकनीक का उपयोग करके कुछ छोटे क्लस्टर्स उत्पन्न करता है और फिर इन छोटे क्लस्टर्स को प्रारंभिक बिंदु के रूप में उपयोग करके पदानुक्रमित क्लस्टरिंग लागू करता है।
