✅ Análise de Clusters [Cluster Analysis], Análise de Conglomerados Hierárquicos e Não Hierárquicos

Описание: ✅ Análise de Clusters [Cluster Analysis], Análise de Conglomerados Hierárquicos e Não Hierárquicos
Prof. Dr. Leonardo Flach
Pós-doutor pelo Massachusetts Institute of Technology (MIT/EUA)
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
A Análise de Clusters (Cluster Analysis), Análise de Agrupamentos, Análise de Conglomerados Hierárquicos e Não Hierárquicos, tem ampla aplicação em Big Data, Data Analytics, Machine Learning, Inteligência Artificial, Internet das Coisas ou Internet of Things (IoT).
Ao analisar uma base de dados, um dos principais desafios e objetivos consiste em resumir a informação que foi coletada. Em diversos casos, quando se coleta um número grande de observações, pode ser interessante criar grupos. Dentro de cada grupo, os elementos precisam ser semelhantes entre si e diferentes dos elementos que constam dentro dos demais grupos.
É possível de fazer a análise de cluster no excel, análise de cluster para seleção de variáveis no python, análise de cluster no stata, análise de cluster no r.
Na Análise de Cluster, clustering ou análise de agrupamento de dados, busca-se analisar se os conjuntos de variáveis que tenham ligação causal entre si possuem relacionamentos que constituam agrupamentos (conglomerados). Quando se estuda, por exemplo, grupos de consumidores, é a atitude que apresenta os elementos para que os clusters sejam formados. Para medir essa atitude, é necessário usar escalas validadas cientificamente e entender os pressupostos teóricos que sugerem estes agrupamentos, independentemente da origem desses pressupostos: literatura científica, análise qualitativa ou entrevistas com experts.
Os métodos hierárquicos da análise de cluster possuem como principal característica um algoritmo capaz de fornecer mais de um tipo de partição dos dados. Ele cria vários agrupamentos possíveis, e um cluster pode ser mesclado a outro em determinado passo do algoritmo. Esses métodos não exigem que já se tenha um número inicial de clusters e são considerados inflexíveis uma vez que não se pode trocar um elemento de grupo. Eles podem ser classificados em dois tipos: Métodos Aglomerativos e Métodos Divisivos.
Os métodos não-hierárquicos da análise de cluster são caracterizados pela necessidade de definir uma partição inicial e pela flexibilidade, uma vez que os elementos podem ser trocados de grupo durante a execução do algoritmo. O procedimento geral adotado para os métodos não hierárquicos é: escolher uma partição inicial (baseada em conhecimentos anteriores do problema); realizar o deslocamento do objeto de seu grupo para outros grupos; verificar o valor do critério utilizado, decidindo pela clusterização que apresentar melhoria.
Determinados métodos estatísticos dependem do talento do indivíduo e a análise de cluster é um destes. Isso porque algumas das decisões não são parametrizadas, e dependem da decisão de quem realiza a análise. Logo, é necessário entender não somente de estatística, mas também de negócios, do tema da pesquisa. Isso porque é ele quem decide a respeito de duas questões fundamentais na Análise de Cluster: a similaridade de cada agrupamento (ou seja, se cada grupo carrega as mesmas características) e a dissimilaridade entre os agrupamentos (se cada grupo deve ser diferente dos demais).
Em outras palavras, o indivíduo delimita o ponto de corte entre a similaridade e a dissimilaridade. Quando há muita tolerância à similaridade, todos os indivíduos parecem pertencer ao mesmo grupo. Quando há muita tolerância à dissimilaridade, cada indivíduo é um grupo por si só. Logo, é preciso de um ponto médio que permita o gerenciamento entre esses diferentes clusters.
#ClusterAnalysis #MachineLearning #BigData
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 Inscreva-se no canal! É de graça! Compartilhe.
Inscreva-se no canal, curta, compartilhe o vídeo, e ative o sino para ajudar que este vídeo chegue a mais pessoas. Queremos ajudar a divulgar o conhecimento científico. Confira toda a playlist para aprender mais! ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
⬛ ▶ Site do Professor Leonardo Flach – https://leonardoflach.paginas.ufsc.br ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
☑️ Obrigado pela visita!
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
NÃO CLIQUE AQUI: https://bit.ly/3b3DcK1

Chapters (Capítulos)
00:00 – Seja bem-vindo!
00:02 – Inscreva-se no canal!
05:00 – Introdução
10:00 – Desenvolvimento