Durchführung einer hierarchischen Clusteranalyse

Slides:



Advertisements
Ähnliche Präsentationen
Prolog Implementierung Spielregeln
Advertisements

Referentin: Stefanie Jahn SS 2007
PG Intelligence Service
Denavit u. Hartenberg - Beschreibung
Software-Engineering II Eingebettete Systeme, Softwarequalität, Projektmanagement Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt.
Statistische Suche nach melodischen Prototypen
Berg-Schlosser : VL : Vergleichende Politikwissenschaft
Seminar Textmining WS 06/07 Aufgaben IV Postings Datei Clustering Probabilistisches Information Retrieval.
Was machen wir? Ablauf des empirischen Arbeitens:
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Verbrauchergruppen bei Gartenbauprodukten in Deutschland
Tina John Ebenen und Links in Sprachdatenbanken. Ebenen = Symbole werden mit der Zeit in einer Ebene verbunden. Namen der Ebenen Symbole der Word-Ebene.
Formant-Analysen von Vokalen (2) Jonathan Harrington 1, 2 Struktur und Abbildung einer Trackdatei 3, 4. Anwendung von vorhandenen und eigenen Funktionen.
Law of comparative judgement
Seminar Lehrevaluation
© 2006 W. Oberschelp, G. Vossen Rechneraufbau & Rechnerstrukturen, Folie 4.1.
Demoprogramm: Clustering Eine graphische Demonstration verschiedener Clusteringalgorithmen anhand des Clusterings von Punkten im zweidimensionalen Raum.
Numerische Klassifikation TWINSPAN
Human Action Recognition Using Temporal Templates
Koordinatengeometrie 3 Mathematik Jahrgangsstufe 11 Übersicht Strecke – Streckenlänge – Mittelpunkt und Abstände Wie beschreibe ich eine Strecke? Wie bestimme.
Was Wie Wann Zentrale Fragestellungen: ist eine Clusteranalyse?
(Thomas Nirschl, Stadt Nürnberg)
Präsentation der Ergebnisse von Clusteranalysen
Der leistungsorientierte Krankenhausbetriebsvergleich Jürgen Klauber
Eingabe und Kodierung von Daten in SPSS
Wir suchen ‘ mit m = m    ‘ c  ‘ mod 26
Uebung 01 ANN mit MATLAB.
§11 Skalarprodukt. Euklidische Räume
Rechneraufbau & Rechnerstrukturen, Folie 12.1 © W. Oberschelp, G. Vossen W. Oberschelp G. Vossen Kapitel 12.
Clusteranalyse von Maria Eickhold und Tobias Töpfer.
5. Sitzung zur Wohlfahrtsanalyse II: Dualität, Marshall- und Hicksnachfrage,Shepard`s Lemma, Variationsmaße und Zusatzlast.
Beweiser – Integer Linear Problems Oleg Iskov Methoden der Verifikation Universität Bremen SS2005.
QUASI 2008 Benchmarks der Umfrage bei Dialysepatienten ÖDTR Reinhard Kramar.
QUASI 2007 Benchmarks der Umfrage bei Dialysepatienten ÖDTR Reinhard Kramar.
Befehle der ersten html-Stunde
Diagnose- und Vergleichsarbeiten (DVA)
Forschungsmethoden Masse der zentralen Tendenz Horst Biedermann Departement Erziehungswissenschaften, Universität Fribourg.
Die quadratische Ergänzung - Wiederholung der 1. binomischen Formel
Berlin, 16. Juni /94 z=10 z=5 h=5 h=2.5 Ursprüngliche RegionVerschobene Region.
LOGPAT ein webbasiertes Tool zur Analyse von Navigationsverläufen in Hypertexten Stephan Noller, humanIT Johannes Naumann, Universität zu Köln Tobias Richter,
Managemententscheidungsunterstützungssysteme (Ausgewählte Methoden und Fallstudien) ( Die Thesen zur Vorlesung 3) Thema der Vorlesung Lösung der linearen.
Determinanten und Cramer‘sche Regel
Using latent semantic analysis to find different names for the same entity in free text Präsentation und Diskussion des Papers Im Rahmen des PS Web-Information.
Managemententscheidungsunterstützungssysteme (Ausgewählte Methoden und Fallstudien) ( Die Thesen zur Vorlesung 3) Thema der Vorlesung Lösung der linearen.
Rekonstruktion phylogenetischer Bäume.
Statistische Methoden in der Wirtschafts- und Sozialgeographie
Lind 02/2005 Einführung in JAVA. Lind 02/2005 Beispiel: Mittelwert Es soll ein Programm erstellt werden, das den Mittelwert zweier reeller Zahlen berechnet.
SOTA Andrej Gisbrecht
Relevante Marktsegmente
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Unity 4.x Cookbook Softwaretechnologie II (Teil 2) - Maximilian Berndt.
Thrombose, Hormone und Schwangerschaft (Thrombo Sensor)
Workshop: „Erste Schritte einer Sozialraumanalyse “
Übung 2 - MdMT Methoden der Medizintechnik Übung zur Vorlesung Folge 2 – Basics Vom ersten Befehl zum Plot.
Die Clusteranalyse Zielsetzung Datenreduktion: Zusammenfassung einer Vielzahl von Objekten oder Variablen zu Gruppen mit möglichst ähnlichem Informationsgehalt.
Clusteranalyse Tamara Katschnig.
Effiziente und effektive Clustering-Methode: CLARANS Seminar zu Datenbanksystemen im SS 2007 Name: Chen Jin Betreuer: Christian Stahlhut 10.Juli 2007.
Mechanik I Lösungen.
Name:__________________________________ Answer using complete sentences. Was tragt man im: Frühling?Herbst? Sommer?Winter? Was tragt man um zu: schwimmen?Skifahren?
Clusteranalyse Wege und Arten Entstanden im Rahmen der Seminararbeit für WS09/10 Betreuer: Prof. Jobst Hoffmann Dr. Tim Hiddemann Aachen, Januar 2010.
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Durchführung einer hierarchischen Clusteranalyse Dateneingabe und Anforderung:

Anforderung der „Single Linkage“-Methode (auf der Basis von quadrierten euklidischen Distanzen):

Ermittlung der Distanz-Matrix:

1. Fusions-Schritt:

2. Fusions-Schritt:

3. Fusions-Schritt:

SPSS-Befehl: CLUSTER x1 x2/METHOD SINGLE /MEASURE= SEUCLID /PRINT SCHEDULE CLUSTER(2,5)/PRINT DISTANCE /PLOT DENDROGRAM. Resultat:

* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Single Linkage Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 1 -+-----------+ 2 -+ +-----------------------------------+ 3 -------------+ I 4 -------------------------------------+-----------+ 5 -------------------------------------+

Anforderung der „Complete Linkage“-Methode (auf der Basis von quadrierten euklidischen Distanzen):

Ermittlung der Distanz-Matrix:

1. Fusions-Schritt:

2. Fusions-Schritt:

3. Fusions-Schritt:

SPSS-Befehl: CLUSTER x1 x2/METHOD COMPLETE /MEASURE= SEUCLID /PRINT SCHEDULE CLUSTER(2,5)/PRINT DISTANCE /PLOT DENDROGRAM. Resultat:

Dendrogram using Complete Linkage Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 1 -+---------------+ 2 -+ +-------------------------------+ 3 -----------------+ I 4 -------------+-----------------------------------+ 5 -------------+

Anforderung der „Average Linkage“-Methode (auf der Basis von quadrierten euklidischen Distanzen):

Ermittlung der Distanz-Matrix:

1. Fusions-Schritt:

2. Fusions-Schritt:

3. Fusions-Schritt:

SPSS-Befehl: CLUSTER x1 x2/METHOD BAVERAGE /MEASURE= SEUCLID /PRINT SCHEDULE CLUSTER(2,5)/PRINT DISTANCE /PLOT DENDROGRAM. Resultat:

Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 1 -+-----------+ 2 -+ +-----------------------------------+ 3 -------------+ I 4 -----------------+-------------------------------+ 5 -----------------+

Anforderung der „Centroid“-Methode (auf der Basis von quadrierten euklidischen Distanzen):

Ermittlung der Distanz-Matrix:

(2.5, 1)

1. Fusions-Schritt:

(2, 4/3)

2. Fusions-Schritt:

(3, 4) (2, 4/3)

3. Fusions-Schritt:

SPSS-Befehl: CLUSTER x1 x2/METHOD CENTROID /MEASURE= SEUCLID /PRINT SCHEDULE CLUSTER(2,5)/PRINT DISTANCE /PLOT DENDROGRAM. Resultat:

Dendrogram using Centroid Method Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 1 -+-------------+ 2 -+ +---------------------------------+ 3 ---------------+ I 4 ---------------------+---------------------------+ 5 ---------------------+

Anforderung der „Median“-Methode (auf der Basis von quadrierten euklidischen Distanzen):

Ermittlung der Distanz-Matrix:

(2.5, 1)

1. Fusions-Schritt:

(1.75, 1.5)

2. Fusions-Schritt:

(3, 4) (1.75, 1.5)

3. Fusions-Schritt:

SPSS-Befehl: CLUSTER x1 x2/METHOD MEDIAN /MEASURE= SEUCLID /PRINT SCHEDULE CLUSTER(2,5)/PRINT DISTANCE /PLOT DENDROGRAM. Resultat:

Dendrogram using Median Method Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +---------+---------+---------+---------+---------+ 1 -+---------------+ 2 -+ +-------------------------------+ 3 -----------------+ I 4 -----------------------+-------------------------+ 5 -----------------------+