Ryhmittelykaavioya

Ryhmittelykaavio (yleisin kirjoitusmuoto ryhmittelykaavio; termi 'Ryhmittelykaavioya' esiintyy harvoin ja on virheellinen) on diagrammi, jolla esitellään kohteiden ryhmittely luokkiin tai klustereihin niiden samankaltaisuuksien tai etäisyyksien perusteella. Kaavio auttaa havainnollistamaan datan rakenteita ja tunnistamaan luonnolliset ryhmät.

Ryhmittelykaavion rakentaminen perustuu klusterointiin. Yleisimpiä muotoja ovat hierarkkinen ryhmittely, joka tuottaa dendrogrammin, puumaisen diagrammin, jossa haarojen pituudet kertovat yhdistysten etäisyyden, sekä ei-hierarkkiset menetelmät kuten k-means. Näitä voidaan esittää visuaalisesti karttoina, heatmapeina tai scatter-plotteina väreillä merkittyinä klustereina.

Käytännössä kaavio rakennetaan valitsemalla ominaisuudet ja niiden normalisointi, etäisyysmittari (esim. Euclidinen etäisyys tai korrelaatio) sekä ryhmittelyalgoritmi.

Tulkitessa kannattaa kiinnittää huomiota klusterien määrään, joka voidaan arvioida dendrogrammista tai käyttämällä mittareita kuten silhouette-arvo. Rajoitteina ovat riippuvuus valituista ominaisuuksista, etäisyysmittareista ja skaalausmenetelmistä sekä korkea ulottuvuus, joka voi tehdä tulkinnasta epävarmaa.

Käyttöalueet kattavat biologisen luokittelun, markkinatutkimuksen, sosiaaliset tieteet sekä tekstien ja kuvien kaltaisen monimutkaisen datan analyysin.