Ryhmittelykaavion

Ryhmittelykaavio on diagrammi, jolla esitetään kohteiden ryhmittäminen toisiinsa perustuvien samankaltaisuuksien tai yhteisten ominaisuuksien mukaan. Kaavion tarkoituksena on havainnollistaa, miten objektit muodostavat ryhmiä ja miten nämä ryhmät liittyvät toisiinsa.

Tyypillisesti ryhmittelykaavio liittyy klusterointiin statistiikassa ja tietojenkäsittelytieteessä. Hierarkkinen ryhmittelykaavio, eli dendrogrammi, näyttää miten pienemmät ryhmät yhdistyvät suuremmiksi kokonaisuuksiksi etäisyyden tai erojen perusteella. Ei-hierarkkiset kaaviot voivat puolestaan esittää kiinteitä, ei-ksi- hierarkkisia ryhmiä tai cluster-piirteiden yhteyksiä taulukkomaisesti.

Kaavion rakentaminen sisältää useita vaiheita: määritellään tarkasti mitattavat ominaisuudet ja skaalautuvat mittarit, lasketaan kohteiden etäisyydet tai samankaltaisuudet, valitaan sopiva ryhmittelymenetelmä (esimerkiksi hierarkkinen klusterointi tai K-means) ja tuotetaan visuaalinen esitys. Tulkitessa kaaviota kiinnitetään huomiota haarojen pituuksiin ja ryhmien purkukohdintaan, jolloin voidaan määritellä kynnysarvoja tai lopulliset ryhmät.

Ryhmittelykaavioita käytetään laajasti biologian systematiikassa, informaationhallinnassa, markkinatutkimuksessa ja muussa tiedon luokittelussa. Ne ovat hyödyllisiä, kun halutaan ymmärtää ja kommunikoi selkeästi monimutkaisia suhteita sekä tunnistaa luonnolliset ryhmät datassa. Rajoitteita ovat riippuvuus valitusta etäisyysmenetelmästä, ominaisuusvalinnoista ja siitä, ettei kaavio yksiselitteisesti määritä oikeaa lopputulosta, vaan tulkinta vaatii kontekstin huomioimista.