Inhaltsverzeichnis
38 Beziehungen: Ausreißer, Baum (Graphentheorie), Cluster (Datenanalyse), Clusteranalyse, Data-Mining, DBSCAN, Empirische Varianz, Euklidischer Abstand, Gewichtung, Griechische Sprache, Hauptkomponentenanalyse, Heuristik, Jaccard-Koeffizient, K-Means-Algorithmus, Kante (Graphentheorie), Kardinale Variable, Kategoriale Variable, Klasseneinteilung (Statistik), Knoten (Graphentheorie), Knowledge Discovery in Databases, Komplexität (Informatik), Kovarianz (Stochastik), Landau-Symbole, Lp-Raum, Mahalanobis-Abstand, Menge (Mathematik), Nominalskala, OPTICS, Ordinalskala, Partition (Mengenlehre), Persistente Homologie, Skalenniveau, Spannweite (Statistik), Spektrale Relaxation, Statistik, Teilmenge, Top-down und Bottom-up, Totale Varianz.
Ausreißer
Ein Ausreißer-Messwert. Die blaue Regressionsgerade wurde ohne Einbeziehung des Ausreißers erstellt, die violette mit. Der Boxplot wird über einem Zahlenstrahl dargestellt. In der Statistik spricht man von einem Ausreißer, wenn ein Messwert oder Befund nicht in eine erwartete Messreihe passt oder allgemein nicht den Erwartungen entspricht.
Sehen Hierarchische Clusteranalyse und Ausreißer
Baum (Graphentheorie)
Ein Baum ist in der Graphentheorie ein spezieller Typ von Graph, der zusammenhängend ist und keine geschlossenen Pfade enthält, d. h.
Sehen Hierarchische Clusteranalyse und Baum (Graphentheorie)
Cluster (Datenanalyse)
Als Cluster (gelegentlich auch Ballungen) bezeichnet man in der Informatik und Statistik eine Gruppe von Datenobjekten mit ähnlichen Eigenschaften.
Sehen Hierarchische Clusteranalyse und Cluster (Datenanalyse)
Clusteranalyse
Ergebnis einer Clusteranalyse mit Normalverteilungen Unter Clusteranalyse (Clustering-Algorithmus, gelegentlich auch: Ballungsanalyse) versteht man ein Verfahren zur Entdeckung von Ähnlichkeitsstrukturen in (meist relativ großen) Datenbeständen.
Sehen Hierarchische Clusteranalyse und Clusteranalyse
Data-Mining
Unter Data-Mining (von, aus ‚Daten‘ und ‚graben‘, ‚abbauen‘, ‚fördern‘) versteht man die systematische Anwendung statistischer Methoden auf große Datenbestände (insbesondere „Big Data“ bzw. Massendaten) mit dem Ziel, neue Querverbindungen und Trends zu erkennen.
Sehen Hierarchische Clusteranalyse und Data-Mining
DBSCAN
DBSCAN (Density-Based Spatial Clustering of Applications with Noise, etwa: Dichtebasierte räumliche Clusteranalyse mit Rauschen) ist ein von Martin Ester, Hans-Peter Kriegel, Jörg Sander und Xiaowei Xu entwickelter Data-Mining-Algorithmus zur Clusteranalyse.
Sehen Hierarchische Clusteranalyse und DBSCAN
Empirische Varianz
Die empirische VarianzHenze 2013: S. 31ff, auch StichprobenvarianzBehrends 2013: S. 274f (veraltet: empirisches Streuungsquadrat) oder einfach nur kurz Varianz genannt, ist ein Maß für die Streuung von konkreten (empirisch erhobenen) Werten einer Stichprobe.
Sehen Hierarchische Clusteranalyse und Empirische Varianz
Euklidischer Abstand
Der Abstand zweier Punkte p und p.q ist definiert als die Länge ihrer (geraden) Verbindungsstrecke (rot) Der euklidische Abstand ist der Abstandsbegriff der euklidischen Geometrie.
Sehen Hierarchische Clusteranalyse und Euklidischer Abstand
Gewichtung
Unter Gewichtung (auch Wichtung, ''Wägungsschema'') versteht man die Bewertung einzelner Einflussgrößen eines mathematischen Modells beispielsweise hinsichtlich ihrer Wichtigkeit oder Zuverlässigkeit.
Sehen Hierarchische Clusteranalyse und Gewichtung
Griechische Sprache
Die griechische Sprache (bzw. attisch hellēnikḕ glō̂tta) ist eine indogermanische Sprache mit einer Schrifttradition, die sich über einen Zeitraum von 3400 Jahren erstreckt.
Sehen Hierarchische Clusteranalyse und Griechische Sprache
Hauptkomponentenanalyse
zweidimensionalen Normalverteilung mit Mittelwert (1,3) und Standardabweichung circa 3 in (0.866, 0.5)-Richtung und 1 in die dazu orthogonale Richtung. Die Vektoren sind die Eigenvektoren der Kovarianzmatrix und haben als Länge die Wurzel des zugehörigen Eigenwertes. Sie sind so verschoben, dass sie am Mittelwert ansetzen.
Sehen Hierarchische Clusteranalyse und Hauptkomponentenanalyse
Heuristik
Heuristik (von altgriechisch εὑρίσκω heurísko (ich finde) bzw. εὑρίσκειν heurískein (auffinden, entdecken)) bezeichnet Methoden, die mit begrenztem Wissen (unvollständigen Informationen) und wenig Zeit dennoch zu wahrscheinlichen Aussagen oder praktikablen Lösungen kommen.
Sehen Hierarchische Clusteranalyse und Heuristik
Jaccard-Koeffizient
Der Jaccard-Koeffizient oder Jaccard-Index, auch Intersection over Union nach dem Schweizer Botaniker Paul Jaccard (1868–1944) ist eine Kennzahl für die Ähnlichkeit von Mengen.
Sehen Hierarchische Clusteranalyse und Jaccard-Koeffizient
K-Means-Algorithmus
Ein k-Means-Algorithmus ist ein Verfahren zur Vektorquantisierung, das auch zur Clusteranalyse verwendet wird.
Sehen Hierarchische Clusteranalyse und K-Means-Algorithmus
Kante (Graphentheorie)
Darstellung der Knoten, Kanten und Maschen Kanten sind in der Graphentheorie derjenige Teil eines Graphen, der die Verbindung zwischen mindestens zwei Knoten herstellt.
Sehen Hierarchische Clusteranalyse und Kante (Graphentheorie)
Kardinale Variable
In der Statistik bezeichnet man als kardinale bzw.
Sehen Hierarchische Clusteranalyse und Kardinale Variable
Kategoriale Variable
In der Statistik bezeichnet man als kategoriale Variablen folgende Arten von Variablen.
Sehen Hierarchische Clusteranalyse und Kategoriale Variable
Klasseneinteilung (Statistik)
Klasseneinteilung oder Klassierung bezeichnet in der Statistik die Einteilung von Merkmalswerten oder statistischen Reihen in getrennte Gruppen, Klassen oder Größenklassen.
Sehen Hierarchische Clusteranalyse und Klasseneinteilung (Statistik)
Knoten (Graphentheorie)
Darstellung der Knoten, Kanten und Maschen Knoten (oder Ecken) sind in der Graphentheorie derjenige Teil eines Graphen, der mit mindestens einer Kante verbunden ist.
Sehen Hierarchische Clusteranalyse und Knoten (Graphentheorie)
Knowledge Discovery in Databases
Knowledge Discovery in Databases (KDD), auf Deutsch Wissensentdeckung in Datenbanken, ergänzt das oft synonym gebrauchte Data-Mining um vorbereitende Untersuchungen und Transformationen auszuwertender Daten.
Sehen Hierarchische Clusteranalyse und Knowledge Discovery in Databases
Komplexität (Informatik)
Der Begriff Komplexität wird in der Informatik in verschiedenen Teilbereichen verwendet.
Sehen Hierarchische Clusteranalyse und Komplexität (Informatik)
Kovarianz (Stochastik)
Die Kovarianz (con-.
Sehen Hierarchische Clusteranalyse und Kovarianz (Stochastik)
Landau-Symbole
Landau-Symbole (auch O-Notation) werden in der Mathematik und in der Informatik verwendet, um das asymptotische Verhalten von Funktionen und Folgen zu beschreiben.
Sehen Hierarchische Clusteranalyse und Landau-Symbole
Lp-Raum
Die L^p-Räume, auch Lebesgue-Räume, sind in der Mathematik spezielle Räume, die aus allen p-fach integrierbaren Funktionen bestehen.
Sehen Hierarchische Clusteranalyse und Lp-Raum
Mahalanobis-Abstand
Der Mahalanobis-Abstand, auch Mahalanobis-Distanz oder verallgemeinerter Abstand (nach Mahalanobis) genannt, ist ein Distanzmaß zwischen Punkten in einem mehrdimensionalen Vektorraum.
Sehen Hierarchische Clusteranalyse und Mahalanobis-Abstand
Menge (Mathematik)
Symbolische Darstellung einer Menge von Vielecken leer. Als Menge wird in der Mathematik ein abstraktes Objekt bezeichnet, das aus der Zusammenfassung einer Anzahl einzelner Objekte hervorgeht.
Sehen Hierarchische Clusteranalyse und Menge (Mathematik)
Nominalskala
Ein Merkmal skaliert nominal (v. lat. nomen „Name“), wenn seine möglichen Ausprägungen zwar unterschieden werden können, aber keine natürliche Rangfolge aufweisen.
Sehen Hierarchische Clusteranalyse und Nominalskala
OPTICS
OPTICS ist ein dichtebasierter Algorithmus zur Clusteranalyse.
Sehen Hierarchische Clusteranalyse und OPTICS
Ordinalskala
Eine Ordinalskala sortiert Variablen mit Ausprägungen, zwischen denen eine Rangordnung besteht.
Sehen Hierarchische Clusteranalyse und Ordinalskala
Partition (Mengenlehre)
In der Mengenlehre ist eine Partition (auch Zerlegung oder Klasseneinteilung) einer Menge M eine Menge P, deren Elemente nichtleere Teilmengen von M sind, sodass jedes Element von M in genau einem Element von P enthalten ist.
Sehen Hierarchische Clusteranalyse und Partition (Mengenlehre)
Persistente Homologie
Persistente Homologie ist eine algebraische Methode, um topologische Eigenschaften von Daten zu erkennen.
Sehen Hierarchische Clusteranalyse und Persistente Homologie
Skalenniveau
Das Skalenniveau oder Messniveau oder die Skalendignität (selten Skalenqualität) ist in der Empirie eine wichtige Eigenschaft von Merkmalen bzw.
Sehen Hierarchische Clusteranalyse und Skalenniveau
Spannweite (Statistik)
Die Spannweite ist ein Streuungsmaß in der Statistik.
Sehen Hierarchische Clusteranalyse und Spannweite (Statistik)
Spektrale Relaxation
Spektrale Relaxation (meist engl. spectral relaxation) ist ein Algorithmus der hierarchischen Clusteranalyse.
Sehen Hierarchische Clusteranalyse und Spektrale Relaxation
Statistik
Statistik „ist die Lehre von Methoden zum Umgang mit quantitativen Informationen“ (Daten).
Sehen Hierarchische Clusteranalyse und Statistik
Teilmenge
Mengendiagramm: ''A'' ist eine (echte) Teilmenge von ''B''. Die mathematischen Begriffe Teilmenge und Obermenge beschreiben eine Beziehung zwischen zwei Mengen.
Sehen Hierarchische Clusteranalyse und Teilmenge
Top-down und Bottom-up
Als Top-down (engl. von oben nach unten, abwärts) und Bottom-up (engl. von unten nach oben, aufwärts) werden zwei entgegengesetzte Wirkrichtungen in Prozessen bezeichnet, die in verschiedenen Sinnzusammenhängen für Analyse- oder Syntheserichtungen verwendet werden.
Sehen Hierarchische Clusteranalyse und Top-down und Bottom-up
Totale Varianz
Die totale Varianz (nicht zu verwechseln mit der totalen Varianz, die sich aus der totalen Quadratsumme berechnet) ist in der multivariaten Statistik ein Maß für die Gesamt­streuung eines multivariaten (mehrdimensionalen) Datensatzes (mit p Variablen X_j).
Sehen Hierarchische Clusteranalyse und Totale Varianz
Auch bekannt als Agglomerativ, Dendrogramm, Hierarchisches Clustern.