ryhmäajautuminen

Ryhmäajautuminen, tunnettu myös nimellä *clustering* tai *cluster analysis*, on tilastollinen ja tietojenkäsittelymenetelmä, joka luokittelee tietoja ryhmiin tai klustereihin perustuen niiden välisiin samankaltaisuussuhteisiin. Menetelmä ei edellytä etukäteen määriteltyjä luokkia, vaan ryhmät muodostuvat automaattisesti datan sisäisistä rakenteista. Ryhmäajautumista käytetään laajalti tieteenaloilla, kuten biologiassa, markkinoinnissa, sosiaalitieteissä ja tietojenkäsittelytieteessä.

Perinteiset ryhmäajautumisen menetelmät jaetaan pääasiassa hierarkkisiin ja ei-hierarkkisiin menetelmiin. Hierarkkisessa ryhmäajautuksessa klusterit muodostuvat asteittain, joko yhdistämällä pienempiä ryhmiä suuremmiksi (agglomeratiivinen lähestymistapa) tai jakamalla suurempia ryhmiä pienempiin (divisiivinen lähestymistapa). Eihierarkkisissa menetelmissä, kuten k-means-menetelmässä, klusterit määritetään iteroivasti optimoimalla tiettyä kriteeriä, kuten klustereiden sisäistä yhdenmukaisuutta.

Ryhmäajautumisen sovelluksia ovat muun muassa asiakassegmentaation luominen markkinointitutkimuksissa, geenien ryhmittely geenitutkimuksessa, ja dokumenttien luokittelu tekstianalyysissä. Menetelmän tehokkuus riippuu datan laadusta, valitusta algoritmista ja parametrien asetuksista, kuten klusterien määrän määrittelystä. Ryhmäajautumista käytetään myös yhdessä muiden tietojen esittämis- ja analysointimenetelmien kanssa, kuten PCA (pääkomponenttianalyysi) tai t-SNE (t-distributed stochastic neighbor embedding), parantaakseen tulosten ymmärrettävyyttä.