ClusteringMethoden

Clustering-Methoden sind Techniken des unüberwachten Lernens, die Objekte oder Merkmalsvektoren gemäß ihrer Ähnlichkeit in Gruppen, sogenannte Cluster, zusammenführen. Da keine vordefinierten Labels vorliegen, erfolgt die Zuordnung anhand Abständen oder Wahrscheinlichkeiten.

Typen dieser Methoden umfassen verschiedene Ansätze. Partitive Methoden zerlegen den Datensatz in k Cluster und weisen jedes Objekt einem Cluster zu. Beispiele: K-Means, K-Medoids. Hierarchische Verfahren entstehen durch schrittweises Zusammen- oder Aufteilen von Clustern; Unterkategorien sind agglomerativ (von Einzelobjekten zu Clustern) und divisiv. Typische Linkage-Kriterien sind Single, Complete, Average und Ward. Dichtebasierte Methoden identifizieren Cluster als dichte Regionen im Raum; DBSCAN und OPTICS erkennen auch Räume unterschiedlicher Formen und sind robust gegen Ausreißer. Verteilungsbasierte Methoden modellieren die Daten als Mischung von Wahrscheinlichkeitsverteilungen, etwa Gaußsche Mischungsmodelle, die mit dem Expectation-Maximization-Algorithmus schätzbar sind. Spektrale Clustering-Methoden verwenden Graphdarstellungen und leiten Cluster aus den Eigenvektoren der Ähnlichkeitsmatrix ab. Grid-basierte Verfahren schneiden den Raum in Zellen und gruppieren Zellen; sie eignen sich gut für große Datensätze.

Messgrößen und Distanzmaße spielen eine zentrale Rolle: Typische Abstände sind euklidisch, Manhattan oder Kosinus; bei gemischten Daten kann Gower-Distance eingesetzt werden. Die Evaluierung erfolgt intern (z. B. Silhouette, Davies-Bouldin) oder extern, sofern Referenzklassen bekannt sind.

Anwendungen reichen von Kundensegmentierung über Dokument- und Bildclusterings bis zu Anomalieerkennung. Herausforderungen umfassen die Bestimmung der Clusterzahl, Skalierbarkeit, Hochdimensionalität und Rauschen; neuere Ansätze nutzen Deep Clustering, semisupervised Clustering und constraint-based Methoden.