Třídění dat do skupin
Neboli shluková analýza třídí objekty do skupin buď hierarchicky, přičemž vzniká tzv. dendrogram,
nebo nehierarchicky, např. metodou k-průměrů, jejímž cílem je nalezení takových skupin, kdy
vnitroskupinová podobnost je co největší a zároveň jsou skupiny od sebe co nejvíce odděleny.
Vzhledem k tomu, že počet skupin je nutno definovat předem, je užitečné vyzkoušet několik počtů
skupin a analýzou rozptylů najít největší poměr „variabilita mezi skupinami / variabilita uvnitř skupiny“.
Čím víc proměnných (dat) definuje objekt (vzorek), tím spolehlivější jsou výsledky, ale tím
komplikovanější je zpracování. Někdy je objekt definovaný tolika proměnnými, že je dobré před
shlukováním jejich počet omezit. Původní proměnné je možné transformovat na menší počet (při
zachování většiny informace) procesem extrakce proměnných. Mezi extrakční metody patří Ordinační
analýzy, např.:
Analýza hlavních komponent (PCA) seskupí proměnné, které spolu lineárně korelují, do tzv. hlavních
komponent. Komponenty jsou pak seřazeny podle toho, jak moc se podílí na zachování variability dat
(kolik informace užitečné pro shlukování nesou).
Pozn.: pokud máme předem definované skupiny a chceme do nich vzorky roztřídit, použijeme některou
z klasifikačních metod (Bayesův klasifikátor, Metoda k-nejbližších průměrů a Metoda podpůrných
vektorů).