- 追加された行はこの色です。
- 削除された行はこの色です。
- Ward法 へ行く。
* Ward法 (Ward's method) [#u10ed43e]
//ここには %項目の説明を書いてください．よろしければ署名しておいてください．
凝集型階層的クラスタリングの一種．
各対象が \(m\)次元の属性ベクトル \(\mathbf{x}_i=(x_{i1},x_{i2},\ldots,x_{im})\) で表現されたデータを扱う．
次のエラーの増加分を最小化するようなクラスタを逐次的に併合する．
\[d(C_1,C_2)=\mathrm{E}(C_1\cup C_2)-\mathrm{E}(C_1)-\mathrm{E}(C_2)\]
ただし，クラスタ Ci の中心を \(\bar{\mathbf{x}}_i\) として
\[\mathrm{E}(C_i)=\sum_{\mathbf{x}\in C_i} {(\mathbf{x}-\bar{\mathbf{x}}_i)}^2\]
群平均法と同様に，単リンク法や完全リンク法より実データでは直観に沿ったクラスタが得られることが多い．
> -- しましま
**関連項目 [#l496f656]
//英語や同義語のあとに，#brで区切って関連する項目をリストしてください．
-[[Ward's method]]
-[[最小分散法]]
-[[minimum variance method]]
#br
-[[クラスタリング]]
-[[階層的クラスタリング]]
-[[凝集型階層的クラスタリング]]
-[[Lance-Williams updating formula]]
#br
[[検索:Ward法 ウォード法]]
**リンク集 [#t259ba54]
-[[クラスタリングとは (クラスター分析とは)>http://www.kamishima.net/jp/clustering/]] @ 神嶌敏弘：
基本的な手法の説明とクラスタリングを用いた分析での注意点
**関連文献 [#gb4429be]
//この%項目%に関連する書籍や論文を紹介してください．
-[[Book/データマイニングの基礎]] 3.2.2b
-[[Paper/ICML-2002-p283]]~
全てのクラスタで，全ての次元で分散が等しい多変量正規分布の混合分布から生じるクラスタを導く．
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
