{"id":5,"date":"2024-04-04T00:11:59","date_gmt":"2024-04-03T21:11:59","guid":{"rendered":"https:\/\/sisu.ut.ee\/samm\/sissejuhatus-klasteranaluusi\/"},"modified":"2025-09-19T15:46:33","modified_gmt":"2025-09-19T12:46:33","slug":"sissejuhatus-klasteranaluusi","status":"publish","type":"page","link":"https:\/\/sisu.ut.ee\/samm\/sissejuhatus-klasteranaluusi\/","title":{"rendered":"Sissejuhatus klasteranal\u00fc\u00fcsi"},"content":{"rendered":"

Paketi SPSS enamlevinud meetodid<\/span>
Liina-Mai Tooding
2020<\/p>\n

Mis on klasterdus?<\/strong><\/p>\n

Klasteranal\u00fc\u00fcs on nimetus suure andmeanal\u00fc\u00fcsi meetodite kogu jaoks, mille eesm\u00e4rgiks seatakse objektide r\u00fchmitus viisil, kus \u00fche ja sama r\u00fchma liikmed on \u00fcksteisele mingis m\u00f5ttes l\u00e4hemal kui teise r\u00fchma liikmetele. Objektiks ehk indiviidiks v\u00f5ib olla mis tahes f\u00fc\u00fcsiline v\u00f5i loogiline \u00fcksus: inimene, hoone, riik, kooliklass, tunnus, kontseptsioon. Objekte kirjeldatakse nende omaduste \u2013 klasterdustunnuste \u2013 kaudu, mis v\u00f5ivad p\u00f5him\u00f5tteliselt olla klasterdusmeetodeid varieerides mis tahes formaalset ja statistilist t\u00fc\u00fcpi: arvulised, j\u00e4rjestusega v\u00f5i nominaaltunnused, pidevad v\u00f5i kategoriaalsed. Eesm\u00e4rgid, mille puhul klasteranal\u00fc\u00fcs ette v\u00f5etakse, v\u00f5ivad samuti olla erisugused: r\u00fchmitamine, t\u00fcpoloogia loomine, eristustunnuste v\u00e4ljaselgitamine jm. Kaugust ja l\u00e4hedust objektide vahel iseloomustatakse samuti erisuguselt, nagu n\u00e4eme allpool. L\u00f5puks erinevad ka arvutusalgoritmid, mille kohaselt koostatakse vastav tarkvara (ilma selleta on klasteranal\u00fc\u00fcs m\u00f5eldamatu). See k\u00f5ik kokku t\u00e4hendab, et klasteranal\u00fc\u00fcs, mille ideestik kerkis esile 1930. aastatel, on t\u00e4naseks p\u00e4evaks arenenud v\u00e4ga suure variatiivsusega matemaatiliselt p\u00f5hjendatud metoodikaks. \u00dcks oluline arenguh\u00fcpe j\u00e4\u00e4b 1960.\u20131970. aastatesse, mil (suur)arvutite kasutus laienes praktiliselt k\u00f5igile uurimisaladele, ja teine l\u00e4himinevikku, mil kerkis esile \u201esuurandmete\u201c idee, taas t\u00e4nu arvutikasutuse ja interneti uuele levikulainele v\u00f5imsate v\u00e4ikearvutite ilmudes. Klasteranal\u00fc\u00fcs kui mitmeste optimeerimiseesm\u00e4rkidega metoodika on tugevalt seotud tehnoloogilise alusega. T\u00e4htsateks klasteranal\u00fc\u00fcsi rakendusaladeks v\u00f5ib pidada statistilist andmeanal\u00fc\u00fcsi k\u00f5ikv\u00f5imalikel elualadel ja andmekaevet.<\/span><\/p>\n

Mis on klaster? K\u00f5ige \u00fcldisemalt \u00f6eldes: objektikogum. Edasine t\u00e4psustus oleneb meetodist (mudelist), mis on v\u00f5etud klasterduse aluseks. Nimetame siin sagedamini kasutatavaid \u00fcldisemaid p\u00f5him\u00f5tteid, mida ka allpool, tarkvara kaasates, l\u00e4hemalt k\u00e4sitleme. Oluline on seejuures arvestada, et klaster on mitmem\u00f5\u00f5tmeline objekt, st selle loomise aluseks on mitmest tunnusest (sageli paljudest tunnustest) koosnev andmestik. Klasterdustunnuste valik m\u00e4\u00e4rab klastri t\u00e4henduse ja lisab veelgi tulemuste varieerimise v\u00f5imalusi.<\/span><\/p>\n

Laialt levinud on kaugusep\u00f5hine klastrite moodustamine. See t\u00e4hendab objektidevaheliste ja (juba moodustatud) objektir\u00fchmade vaheliste v\u00f5imalike suhete kasutamist, et otsustada klastrikuuluvuse \u00fcle. Kauged objektid on eraldi klastreis ja l\u00e4hedased \u00fches. Kaugus v\u00f5ib t\u00e4hendada ka mittesarnasust ja l\u00e4hedus sarnasust mingi kriteeriumi alusel. Sellisel p\u00f5him\u00f5ttel toimivad allpool k\u00e4sitletavad hierarhilised klasterdusmeetodid.<\/span><\/p>\n

Teine laialt kasutusel olev klasterdust\u00fc\u00fcp p\u00f5hineb mitmem\u00f5\u00f5tmelise klastrikeskmise (tsentroidi, k-<\/i>keskmise, k<\/i> viitab mitmem\u00f5\u00f5tmelisusele) m\u00f5istel. Otsitakse klasterdust, mille korral etteantud arvu klastrite puhul on klastrisisesed ruutkaugused klastrikeskmisest minimaalsed. See on rohkete variatsioonidega protseduuride r\u00fchm, mida tuntakse k<\/i>-keskmise klasterdusena.<\/span><\/p>\n

Nimetame veel otseselt statistilise iseloomuga klasterdust, kus \u00fchte klastrisse kogutakse t\u00f5en\u00e4oselt \u00fche ja sama statistilise jaotusega objektid, ja klasterdust v\u00f5imalikult \u201etihedate\u201c mitmem\u00f5\u00f5tmelise ruumi osade eritlemise nimel.<\/span><\/p>\n

Mis kohal on klasterdamine andmeanal\u00fc\u00fcsis? Siin valitseb suur loominguline ja rakendusalati erinev variatiivsus: eritleda t\u00fc\u00fcbid (nt isiksuse ps\u00fchholoogias), teha kindlaks r\u00fchmi eristavad tunnused ja uurida nende eristusv\u00f5imet (klassifitseerimine), luua klastrikuuluvuse tunnus sotsiaalse indeksina, jaotada kogum homogeenseteks alaosadeks jpm. Homogeensete alakogumite loomine t\u00e4hendab suure mitmekesise andmekogumi teatud viisil p\u00f5hjendatud \u201et\u00fckeldamist\u201c, et statistilised kokkuv\u00f5tted oleksid enam asjakohased (nt \u00fcldkeskmine, soov eristada jaotuste segu \u00fcksikjaotusi). Andmekaeve eesm\u00e4rki m\u00e4\u00e4ratletakse \u00fcldiselt kui mustrite leidmist andmeis ja jaotus klastreiks t\u00e4hendab samuti mustri esiletoomist. <\/span><\/p>\n

Mis on klasterduse l\u00e4hteks? Eelk\u00f5ige uurimis\u00fclesanne ja selle aineteoreetiline alus, aga ka v\u00e4ljavalitud tunnused, mille asjakohasuse ja komplektsuse eest \u00fclesande seisukohalt vastutab uurija. L\u00e4hteks on ka hea kirjeldav info klasterdustunnuste kohta (jaotused, tunnuste omavaheline seos) v\u00f5i m\u00f5ne eelneva analoogilise uuringu k\u00e4igus selgunud eelteave klastriteks jagunemise kohta (klastrite oletatav arv, v\u00e4iksema pilootandmestiku klasterdus).<\/span><\/p>\n

Mis on klasterduse tulemuseks? Erip\u00e4ra eirates v\u00f5iks \u00f6elda, et klasterdus t\u00e4hendab klastreid ja suhete osutamist nende vahel: \u00fcksteise katvuse poolest (klastrid ei pruugi olla objektide \u00fchisosata), sisalduvuse poolest \u00fcksteises (klastrite hierarhia) jm m\u00f5ttes. Tulemust iseloomustab alati ka subjektiivsus, sest valikuv\u00f5imaluste rohkuse t\u00f5ttu klasterdus\u00fclesande p\u00fcstitamisel, lahendamisel ja lahendi t\u00f5lgendamisel on uurijal v\u00e4ga suur voli. Eri klasterdusmeetodid v\u00f5ivad anda vaid osaliselt kokku langevaid klasterdusi ja \u201et\u00f5elisest\u201c r\u00fchmitusest v\u00f5iks k\u00f5nelda nende kokkulangevate osade alusel. Enamasti on arvutiprogrammides ette n\u00e4htud v\u00f5imalus klasterdustulemuse edasiseks kaasamiseks anal\u00fc\u00fcsi sel teel, et igale objektile m\u00e4\u00e4ratakse klastrikuuluvus andmestiku uue tunnusena, mille anal\u00fc\u00fcs toimub tavap\u00e4rasel viisil. See on koht, kus uurija lisaks tehnilistele oskustele klastreid moodustada peab rakendama erialap\u00e4devust uuele tunnusele sisulise t\u00e4henduse andmisel. <\/span><\/p>\n

Klasteranal\u00fc\u00fcsil ei ole olemas \u201e\u00f5iget\u201c lahendust. V\u00e4liste n\u00e4itajate kaudu v\u00f5i ekspertotsuse alusel saab vahel, kui objektide kohta on teada tausta- v\u00f5i lisaandmeid, hinnata tekkinud klasterduse t\u00f5ep\u00e4ra ja klasterduse sisehindamise teel iseloomustada klastrite seesmist \u00fchetaolisust. Selleks on kasutusel suur hulk erinevaid kordajaid \u2013 nii suur hulk, et nende vahelise koosk\u00f5la leidmine on omakorda \u00fclesanne (vt nt Desgraupes). Klasterdust on vahel kasulik valideerida andmestiku juhuslike l\u00f5igete alusel. Klasteranal\u00fc\u00fcs on lahenduse mitmesusele vaatamata v\u00f5i hoopis t\u00e4nu sellele rikas ideede allikas konkreetse andmestiku tundma\u00f5ppimisel.<\/span><\/p>\n

Klasteranal\u00fc\u00fcsi ulatuslikkust piirame k\u00e4esolevas sissejuhatuses praktika kriteeriumi kohaselt ja tutvustame osa neist m\u00f5isteist ja meetodeist, mis on realiseeritud suuremates professionaalsetes laialt levinud statistikapakettides (SAS, SPSS, Stata, Statistica). Klasteranal\u00fc\u00fcsi tarbeks on loodud ka hulk eriprogramme, sh vabavara, aga ka nendega t\u00f6\u00f6tamisel v\u00f5iks olla kasu \u201esuurte\u201c l\u00e4henemisviisi tundmisest. Lisame veel, et siinkohal me ei ammenda oma sissejuhatavate selgitustega kaugeltki k\u00f5iki v\u00f5imalusi klasterdamiseks, mis on neljas nimetatud paketis.<\/span><\/p>\n

<\/p>

\n
\n

\n