Định nghĩa phân cụm
Quá trình gom nhóm một tập hợp các đối tượng vật lý hoặc trừu tượng thành các lớp đối tượng giống nhau được gọi là phân cụm (clustering). Một cụm là tập hợp các đối tượng dữ liệu giống nhau trong cùng cụm và khác biệt với đối tượng trong các cụm khác. Cụm dữ liệu có thể xem như một nhóm duy nhất trong nhiều ứng dụng. Phân tích cụm (cluster analysis) là hoạt động thiết yếu của con người.
Mục đích phân tích cụm
Phân tích cụm tạo thành các nhóm/cụm các bản ghi giống nhau dựa trên các phép đo trên các bản ghi đó. Mục tiêu chính là định nghĩa các cụm theo cách hữu ích cho mục đích phân tích. Kỹ thuật này được áp dụng rộng rãi: thiên văn học, khảo cổ, y học, hóa học, giáo dục, tâm理学, ngôn ngữ học, xã hội học.
Các ứng dụng điển hình
- Phân đoạn thị trường (Marketing): Khách hàng được phân nhóm dựa trên dữ liệu nhân khẩu học và lịch sử giao dịch, chiến lược marketing tùy chỉnh cho từng phân đoạn.
- Phân tích cấu trúc thị trường: Nhóm các sản phẩm giống nhau theo các chỉ số tương đồng cạnh tranh.
- Dự báo marketing và chính trị: Phân cụm khu vực theo mã bưu chính (zip code) để nhóm theo lối sống.
- Tài chính - Danh mục đầu tư cân bằng: Tìm cụm cơ hội đầu tư (cổ phiếu) dựa trên biến tài chính: lợi suất, biến động, beta, ngành, vốn hóa thị trường. Chọn chứng khoán từ nhiều cụm giúp đa dạng hóa rủi ro.
- Phân tích thị trường tài chính: Nhóm các công ty cùng ngành dựa trên tăng trưởng, lợi nhuận, quy mô, phạm vi sản phẩm, hiện diện quốc tế để hiểu cấu trúc thị trường và xác định đối thủ.
- Công cụ tìm kiếm Internet: Sử dụng phân cụm để gom nhóm truy vấn người dùng, phát triển thuật toán tìm kiếm.
Dữ liệu đầu vào và số lượng cụm
Dữ liệu cơ bản là bảng đo lường các biến số (mỗi cột là biến, mỗi hàng là bản ghi). Mục tiêu tạo nhóm sao cho bản ghi giống nhau nằm cùng nhóm. Số cụm có thể xác định trước hoặc suy ra từ dữ liệu.