4^ Lezione Cluster [modalità compatibilità]

09/05/2011
Introduzione
Cluster analysis
Lo scopo della cluster analysis è raggruppare le
unità intervistate in gruppi massimamente
disomogenei tra loro, ma che al loro interno
contengano individui con caratteristiche simili.
Corso di Analisi di Mercato - Anno 2011
1
1.Calcolare la matrice delle distanze:
Corso di Analisi di Mercato - Anno 2011
2
2. Lanciare la cluster analysis
Caricare il pacchetto clsuter
hc <- hclust(distanze, method = “ward”)
dati<-read.csv2("centrocomm.csv")
Il metodo di ward utilizza un algoritmo che tende a:
Minimizzare la varianza within (varianza fra gli
elementi di ogni gruppo)
Massimizzare la varianza between (varianza fra i
gruppi).
Si utilizza la funzione “daisy”;
distanze <- daisy(dati)
E’ un metodo misto per calcolare la matrice delle
distanze. Calcola:
-le “distanze” tra variabili quantitative
-“indici di similarità” tra variabili qualitative.
Corso di Analisi di Mercato - Anno 2011
3
Corso di Analisi di Mercato - Anno 2011
4
1
09/05/2011
Il dendrogramma
14
possibile
6
0
2
4
hang=-1 consente di accorciare le “radici”
frame.plot crea il bordo
ann=F permette di deselezionare la descrizione del grafico
8
10
plclust(hc, hang=-1, labels=F, ann=F, frame.plot=T)
12
Il risultato della cluster analysis è
visualizzarlo graficamente con la funzione:
Corso di Analisi di Mercato - Anno 2011
5
Il dendrogramma è uno strumento importante nelle
tecniche di clustering. Consente di rappresentare
graficamente il processo di aggregazione dalle
singole unità statistiche fino ad arrivare ad un unico
cluster contenente tutte le unità statistiche.
•Asse delle ascisse distanza logica dei clusters
secondo la metrica definita
•Asse delle ordinate livello gerarchico di
aggregazione (valori interi positivi)
Corso di Analisi di Mercato - Anno 2011
6
Taglio del dendrogramma
rect.hclust (hc, h=600) # Visualizza in automatico
quanti gruppi ci sono ad ad altezza 600
rect.hclust (hc, k=3) # Visualizza automaticamente
i gruppi con k= 3 gruppi
La scelta del livello gerarchico (del valore dell'asse Y)
definisce la partizione rappresentativa del processo di
aggregazione.
Corso di Analisi di Mercato - Anno 2011
7
Corso di Analisi di Mercato - Anno 2011
8
2
09/05/2011
12
14
Cutree è la funzione che consente di creare la partizione
con il numero di cluster desiderato.
8
10
partizione3 <- cutree(hc,k=3) # crea una partizione a
3 cluster
0
2
4
6
Per verificare la numerosità dei 3 gruppi formati:
pie(table(partizione3),col=rainbow(3))
table(partizione3)
Corso di Analisi di Mercato - Anno 2011
9
Corso di Analisi di Mercato - Anno 2011
Analisi dei Cluster (confronti)
table(dati$genereinterv, partizione)
f
m
2
partizione
1
Gli strumenti sono gli stessi già visti per le descrittive uni
e bivariate.
Esempio:
table(dati$genereinterv,partizione3)
10
plot(table(dati$genereinterv,partizione3),col=rainbow(3))
Corso di Analisi di Mercato - Anno 2011
3
Il mosaico consente di visualizzare come sono
caratterizzati cluster rispetto alle variabili qualitative.
11
Corso di Analisi di Mercato - Anno 2011
12
3
09/05/2011
60
20
30
40
50
Il boxplot consente di caratterizzare i due cluster rispetto
alle variabili quantitative.
70
80
boxplot(split(dati$etainterv,partizione3))
1
Corso di Analisi di Mercato - Anno 2011
13
2
Corso di Analisi di Mercato - Anno 2011
3
14
I cluster come dataframe
partizione3<-as.vector(partizione3)
”as.vector” permette di trattare “partizione” (che R alla
creazione riconosce come stringhe di testo e non come
numeri) come un vettore di numeri.
gruppo1<- dati[partizione3==1,]
gruppo2<- dati[partizione3==2,]
gruppo3<- dati[partizione3==3,]
Abbiamo creato i 3 gruppi. A questo punto i 3 gruppi si
possono analizzare come se fossero 3 singoli dataframe.
fix (gruppo1)
Corso di Analisi di Mercato - Anno 2011
15
4