Zusammenfassung
Dieses Kapitel behandelt eine Reihe von Aspekten der Clusteranalyse. Zunächst wird das Clustering von Hand anhand von standardisierten Daten vorgestellt. Damit soll gezeigt werden, wie grundlegende Algorithmen funktionieren. Der zweite Abschnitt zeigt, wie die Software mit diesen standardisierten Daten arbeitet. Im dritten Abschnitt wird die Clusteranalyse von Daten demonstriert, die keine Standardisierung erfordern. Wenn Sie sich nicht dafür interessieren, was Computer tun, können Sie mit diesem Abschnitt fortfahren.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Astudillo CA, Oommen BJ (2011) Imposing tree-based topologies onto self organizing maps. Inf Sci 181:2798–3815
Johnson RA, Wichern DW (1998) Applied multivariate statistical analysis. Prentice Hall, Upper Saddle River
Kohonen T (1997) Self-organizing maps. Springer, Berlin
Sarlin P (2013) Self-organizing time map: an abstraction of temporal multivariate patterns. Neurocomputing 99:496–508
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Nature Switzerland AG
About this chapter
Cite this chapter
Olson, D.L., Lauhoff, G. (2023). Cluster-Analyse. In: Deskriptives Data-Mining. Springer Gabler, Cham. https://doi.org/10.1007/978-3-031-21274-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-031-21274-1_6
Published:
Publisher Name: Springer Gabler, Cham
Print ISBN: 978-3-031-21273-4
Online ISBN: 978-3-031-21274-1
eBook Packages: Business and Economics (German Language)