물리적 또는 추상적인 개체 집합을 동일한 개체의 클래스로 결합하는 프로세스를 클러스터링이라고 합니다. 클러스터는 동일한 클러스터 내에서 서로 동일하고 다른 클러스터의 개체와 다른 데이터 개체 집합입니다. 데이터 개체의 클러스터는 여러 응용 프로그램에서 집합적으로 하나의 그룹으로 간주될 수 있습니다. 클러스터 분석은 필수적인 인간 활동입니다.
클러스터 분석은 이러한 레코드에 대해 수행된 다양한 측정에 따라 동일한 레코드의 그룹 또는 클러스터를 형성하는 데 사용됩니다. 핵심 설계는 분석 목적에 유용할 수 있는 방식으로 클러스터를 정의하는 것입니다. 이 데이터는 천문학, 고고학, 의학, 화학, 교육, 심리학, 언어학, 사회학 등 여러 분야에서 사용되었습니다.
마케팅에서 클러스터 분석의 유명한 용도 중 하나는 시장 세분화입니다. 사용자는 인구 통계 및 거래 내역 데이터를 기반으로 세분화되고 마케팅 기술은 각 세그먼트에 맞게 조정됩니다.
다른 용어는 경쟁적 유사성 측정에 따라 동일한 제품의 팀을 식별하는 시장 구조 분석입니다. 마케팅 및 정치 예측에서 미국 우편번호를 사용하는 이웃 클러스터링은 라이프스타일별로 이웃을 그룹화하는 데 강력하게 사용되었습니다.
금융에서 클러스터 분석은 균형 잡힌 포트폴리오를 만드는 데 사용할 수 있습니다. − 여러 투자 기회(예:주식)에 대한 데이터가 주어지면 수익률(일별, 주별 또는 월간), 변동성, 베타 및 산업 및 시가 총액을 포함한 기타 특성. 여러 클러스터에서 증권을 선택하면 균형 잡힌 포트폴리오를 만드는 데 도움이 됩니다.
금융에서 클러스터 분석의 또 다른 작업은 시장 분석입니다. 주어진 산업에 대해 성장률, 수익성, 산업 규모, 제품 범위 및 여러 국제 시장에서의 존재와 같은 측정값을 기반으로 동일한 회사의 팀을 찾는 데 관심이 있습니다. 그런 다음 이러한 팀을 분석하여 시장 구조를 파악하고 예를 들어 누가 경쟁업체인지 결정할 수 있습니다.
클러스터 분석은 많은 양의 데이터에 사용할 수 있습니다. 예를 들어 인터넷 검색 엔진은 클러스터링 방법을 사용하여 사용자가 제출하는 쿼리를 클러스터링합니다. 그런 다음 검색 알고리즘을 개발하는 데 사용할 수 있습니다.
일반적으로 클러스터링에 사용되는 기본 데이터는 다양한 변수에 대한 측정 테이블이며, 여기서 각 열은 변수를 정의하고 행은 레코드를 정의합니다. 목표는 동일한 레코드가 동일한 그룹에 있도록 데이터 그룹을 형성하는 것입니다. 클러스터의 수는 미리 지정하거나 데이터에서 결정할 수 있습니다.