거리 측정
행 또는 컬럼 간 거리 또는 유사성을 계산하는 데 다양한 측정을 사용할 수 있습니다.
계층적 군집분석 도구에는 다음 측정이 제공됩니다.
용어 치수는 모든 거리 측정에 사용됩니다. x, y 및 z 축이 다른 차원의 지점을 가리킬 때 3차원 공간에 있는 한 점의 물리적 위치를 설명하는 경우에 치수 개념이 간단합니다. 그러나 한 차원의 데이터에는 모든 유형을 사용할 수 있습니다. 예를 들어, 한 그룹의 사람들을 키, 연령 및 국적으로 그룹화하면 이 방법 또한 3차원 체계입니다. 행(또는 컬럼)의 경우, 차원의 수는 행(또는 컬럼)의 변수 수와 동일합니다.
주: 군집분석 계산의 결과는 클러스터링된 행 또는 컬럼 간 유사성 또는 거리로 제공됩니다. 유클리드 거리, 구/군/시 블록 거리, 정사각 유클리드 거리 및 삼각 유클리드 거리는 행 또는 컬럼 간 거리를 제공합니다. 반면에, 상관 관계, 코사인 상관 관계 및 Tanimoto 계수의 결과는 행 또는 컬럼 간의 유사성으로 제공됩니다.
주: 군집분석에 사용하는 경우 유사성 측정(상관 관계, 코사인 상관 관계 및 Tanimoto 계수)를 항상 0(1-유사성 값 사용)보다 크거나 같도록 변환할 수 있습니다.
- 상관 관계
상관 관계는 계층적 군집분석을 수행할 때 일반적인 유사성 측정입니다. - 코사인 상관 관계
코사인 상관 관계는 계층적 군집분석을 수행할 때 일반적인 유사성 측정입니다. - Tanimoto 계수
Tanimoto 계수는 계층적 군집분석을 수행할 때 일반적인 유사성 측정입니다. - 유클리드 거리
유클리드 거리는 계층적 군집분석을 수행할 때 일반적인 거리 측정입니다. - 구/군/시 블록 거리
구/군/시 블록 거리는 계층적 군집분석을 수행할 때 일반적인 거리 측정입니다. - 정사각 유클리드 거리 및 삼각 유클리드 거리
계층적 군집분석을 수행할 때 유사성을 계산하기 위한 두 가지 일반적인 거리 측정은 정사각 유클리드 거리와 삼각 유클리드 거리입니다.
상위 주제: 계층적 군집분석