Garfield
YZF Admin
Divisive kümelemenin çalışma mantığı
Divisive kümeleme, tüm verileri başlangıçta tek bir küme kabul edip bu kümeyi giderek daha küçük alt kümelere ayıran hiyerarşik kümeleme yöntemidir. Sonuçta veriler, kümeler arasındaki bölünmeleri gösteren bir ağaç yapısında düzenlenir. Uygun bölünme seviyesi seçildiğinde benzer kayıtları aynı grupta, farklı kayıtları ayrı gruplarda inceleyebilirsiniz.
Yöntem, agglomerative kümelemenin ters yönde çalışan karşılığı gibi düşünülebilir. Agglomerative yöntemde her kayıt ayrı bir küme olarak başlar ve kümeler birleştirilir; divisive yöntemde ise bütün kayıtlar tek küme olarak başlar ve ayrılır. Her bölünmede amaç, mevcut kümeyi birbirine daha az benzeyen alt gruplara ayırmaktır.
Basit bir örnek
Bir mağazanın müşterilerini satın alma davranışlarına göre gruplamak istediğinizi varsayalım. Her müşteri için aylık harcama ve alışveriş sıklığı olmak üzere iki özellik bulunduğunu düşünün. Başlangıçta bütün müşteriler tek kümededir. Algoritma bu kümeyi, örneğin yüksek harcama yapanlarla düşük harcama yapanlar şeklinde iki alt kümeye ayırabilir.
Daha sonra bu alt kümelerden biri kendi içinde yeniden bölünebilir. Yüksek harcama yapan müşteriler; sık alışveriş yapanlar ve daha seyrek alışveriş yapanlar olarak ayrılabilir. Ortaya çıkan ağaç yapısında en üst bölüm bütün müşterileri, alt bölümler ise giderek daha özel müşteri gruplarını temsil eder.
Bu çıktı, tek başına “şu müşteri kesinlikle şu profile aittir” anlamına gelmez. Kümeleme denetimsiz öğrenmedir; algoritmaya önceden doğru müşteri etiketleri verilmez. Oluşan gruplar, seçilen özelliklere, uzaklık ölçüsüne ve bölünme yöntemine bağlıdır.
Bölünme nasıl değerlendirilir?
Divisive kümelemede her adımda mevcut kümenin hangi iki veya daha fazla alt kümeye ayrılacağı belirlenir. Bunun için genellikle gözlemler arasındaki uzaklık ya da benzerlik hesaplanır. Öklid uzaklığı sayısal ve benzer ölçekli özelliklerde sık kullanılan bir seçenektir; ancak farklı birimlerdeki özellikler doğrudan kullanılırsa büyük ölçekli değişken sonuçları gereğinden fazla etkileyebilir.
Örneğin harcama değeri 0–10.000 arasında, alışveriş sıklığı ise 0–20 arasında değişiyorsa, harcama değişkeni uzaklık hesabında baskın olabilir. Bu nedenle kümeleme öncesinde özellikleri standardize etmek çoğu durumda daha sağlıklı bir başlangıçtır. Kategorik verilerde ise sayısal uzaklık yöntemleri doğrudan uygun olmayabilir; veri türüne uygun benzerlik ölçüsü seçilmelidir.
Aşağıdaki karşılaştırma, hangi hiyerarşik yaklaşımın daha uygun olabileceğini anlamaya yardımcı olur.
| Ölçüt | Divisive kümeleme | Agglomerative kümeleme |
|---|---|---|
| Başlangıç | Bütün veriler tek kümededir. | Her kayıt ayrı bir kümedir. |
| Ana işlem | Kümeler bölünür. | Kümeler birleştirilir. |
| Ağaç yapısı | Kökten yapraklara doğru ayrışma gösterir. | Yapraklardan köke doğru birleşme gösterir. |
| Kullanım yaklaşımı | Önce genel grubu görüp anlamlı alt gruplara ayırmak isteyen senaryolara uygundur. | Küçük gruplardan başlayarak benzer kayıtları birleştirmek isteyen senaryolara uygundur. |
Kaç küme seçilmeli?
Hiyerarşik yapı, farklı küme sayılarında kesilebilir. Örneğin ağaç üç ana dala ayrılıyorsa üç küme; daha aşağıda alt dallar anlamlı biçimde ayrılıyorsa daha fazla küme seçilebilir. Küme sayısı, yalnızca görsel olarak dengeli görünen bir kesimle belirlenmemelidir.
Kümeleri değerlendirirken her grubun kayıt sayısına, özellik ortalamalarına ve ayırt edici değişkenlerine bakın. Kümeler birbirinden belirgin biçimde ayrılıyor ancak aynı grubun içindeki kayıtlar da çok farklı görünüyorsa, seçilen kesim seviyesi uygun olmayabilir. Kümeleme başarısı ayrıca silhouette skoru gibi iç değerlendirme ölçütleriyle incelenebilir; ancak yüksek skor, kümelerin iş açısından kesinlikle doğru olduğunu kanıtlamaz.
Ne zaman tercih edilir, sınırları nelerdir?
Divisive kümeleme, verilerin önce geniş bir bütün olarak ele alınıp sonra anlamlı alt gruplara ayrılmasının istendiği analizlerde yararlıdır. Hiyerarşik yapı sayesinde yalnızca nihai kümeleri değil, üst ve alt grup ilişkilerini de görebilirsiniz. Bu özellik müşteri segmentasyonu, belge sınıflandırma ön çalışmaları ve benzer gözlemlerin keşfi gibi görevlerde açıklamayı kolaylaştırabilir.
Buna karşılık yöntem, büyük veri kümelerinde hesaplama açısından maliyetli olabilir. Ayrıca aykırı değerler, yanlış ölçeklendirme ve uygun olmayan uzaklık ölçüsü bölünmeleri bozabilir. Algoritmanın ürettiği kümeler nedensel açıklama, sınıf etiketi veya gelecek tahmini değildir. Sonuçları bu anlamlara dönüştürmeden önce grupların hangi değişkenlerle oluştuğunu ve farklı ayarlarla ne kadar kararlı kaldığını kontrol edin.
Pratik bir analizde önce kullanılacak özellikleri seçin, eksik ve hatalı değerleri ele alın, sayısal değişkenleri gerekiyorsa ölçeklendirin ve veri türüne uygun uzaklık ölçüsünü belirleyin. Ardından hiyerarşik bölünmeyi çalıştırıp ağaç yapısını farklı seviyelerde inceleyin. Seçtiğiniz küme sayısını, her kümenin özet istatistiklerini ve mümkünse alternatif ayarlardaki sonuçlarla karşılaştırarak gerekçelendirin.
