Kümeleme Analizi

56 questions

Çok değişkenli istatistiksel analizde hiyerarşik kümeleme algoritmalarından biri olan ortalama bağlantı (average linkage) yönteminin, Ağırlıklandırılmamış (UPGMA) ve Ağırlıklandırılmış (WPGMA) olmak üzere iki farklı versiyonu bulunmaktadır.

Bu iki yöntem arasındaki temel kavramsal fark aşağıdakilerden hangisinde doğru olarak ifade edilmiştir?

UPGMA yönteminde birleşen her kümeye eşit ağırlık verilirken, WPGMA yönteminde analizdeki her bir gözlem birimine eşit ağırlık verilir.

UPGMA yöntemi kümeler arası uzaklığı hesaplarken en yakın komşu yaklaşımını benimserken, WPGMA yöntemi en uzak komşu yaklaşımını temel alır.

UPGMA yönteminde hesaplamalara katılan her bir gözlem birimine eşit ağırlık verilirken, WPGMA yönteminde içerdiği gözlem sayısından bağımsız olarak birleşen her bir kümeye eşit ağırlık verilir.

UPGMA yöntemi kümelerin ağırlık merkezleri arasındaki uzaklığı ölçerken, WPGMA yöntemi küme içi hata kareler toplamını minimize etmeyi amaçlar.

UPGMA yöntemi yalnızca sürekli değişkenler için Öklid uzaklığı ile çalışırken, WPGMA yöntemi sadece kategorik verilerde eşleşme katsayıları ile kullanılabilir.

Show answer & explanation

Answer: UPGMA yönteminde hesaplamalara katılan her bir gözlem birimine eşit ağırlık verilirken, WPGMA yönteminde içerdiği gözlem sayısından bağımsız olarak birleşen her bir kümeye eşit ağırlık verilir.

Answer

Ortalama bağlantı algoritmalarında, UPGMA (Unweighted) başlangıçtaki veri setinde yer alan her bir gözleme eşit ağırlık verilmesini hedefler. Bu nedenle kümeler birleşirken uzaklıklar, kümelerin sahip olduğu gözlem sayılarıyla orantılı (ağırlıklı) olarak hesaplanır ve böylece her bir bireysel gözlemin ağırlığı korunur. WPGMA (Weighted) ise kümelerin boyutlarını (gözlem sayılarını) göz ardı eder ve birleşen iki kümeye, boyutları ne olursa olsun eşit ağırlık verir. Doğru seçenek bu farkı tam ve eksiksiz bir şekilde özetlemektedir.

Step-by-Step Solution

UPGMA (Unweighted Pair Group Method with Arithmetic Mean) yönteminin temel prensibini tanımlama.

UPGMA, yeni bir küme ile diğer kümeler arasındaki uzaklığı hesaplarken, kümelerin içerdiği gözlem sayılarını dikkate alarak orantılı bir hesaplama yapar. Böylece başlangıçtaki her bir gözlem birimi sonuca eşit oranda (ağırlıklandırılmamış şekilde) etki eder.

Yöntemin adındaki 'ağırlıklandırılmamış' kelimesinin neyi ifade ettiğini netleştirmek için.

WPGMA (Weighted Pair Group Method with Arithmetic Mean) yönteminin temel prensibini tanımlama.

WPGMA, birleşen iki kümenin yeni uzaklıklarını hesaplarken kümelerin büyüklüklerini (içerdikleri gözlem sayılarını) dikkate almaz. Her iki alt kümeye yarı yarıya (eşit) ağırlık verir.

WPGMA'nın 'ağırlıklandırılmış' olmasının kümeler açısından ne anlama geldiğini göstermek için.

Seçenekleri analiz ederek bu kavramsal farkı doğru veren ifadeyi belirleme.

UPGMA'nın gözlemlere eşit ağırlık verdiği, WPGMA'nın ise gözlem sayısını yok sayarak kümelere eşit ağırlık verdiği seçeneğin doğru olduğu tespit edilir.

Teorik bilginin seçeneklerle eşleştirilmesi için.

Key Concept

Ortalama bağlantı yöntemleri alt türleri (UPGMA ve WPGMA) arasındaki ağırlıklandırma felsefesi.

Question 2Question →

Bir araştırmacı, bir bankanın müşterilerini profillerine göre segmentlere ayırmak için "Aylık Harcama Tutarı" (TL cinsinden, ortalama $15.000$ ) ve "Müşteri Olunan Yıl Sayısı" (Yıl cinsinden, ortalama $8$ ) değişkenlerini kullanarak K-Ortalamalar (K-Means) kümeleme analizi yapmıştır. Araştırmacı, her iki değişkeni de veri setindeki ham (dönüştürülmemiş) değerleriyle analize dahil etmiş ve uzaklık ölçüsü olarak Öklid (Euclidean) uzaklığını kullanmıştır.

Bu analiz süreciyle ilgili aşağıdaki istatistiksel değerlendirmelerden hangisi doğrudur?

Değişkenlerin ölçüm birimleri farklı olduğu için Öklid uzaklığı kullanılamaz; bu tür sürekli değişkenlerde kümeleme için Jaccard benzerlik katsayısı seçilmelidir.

Aylık harcama tutarının varyansı ve değer aralığı çok daha büyük olacağı için uzaklık hesaplamalarını domine edecektir; bu nedenle analize başlamadan önce değişkenler standartlaştırılmalıdır.

Ham verilerin kullanılması, algoritmanın küme merkezlerini (centroid) her iterasyonda varyansı düşük olan değişkene doğru hatalı güncellemesine yol açarak yakınsamayı (convergence) engeller.

Kümeleme analizinde farklı birimlerde ölçülen ham verilerin bir arada kullanılması, tek bağlantı (single linkage) sorununa yol açarak kümelerin zincir şeklinde uzamasına neden olur.

Müşterilerin profilleri önceden tam olarak bilinmeyen sayısal bir yapıya sahip olduğundan, modeli kurmak için K-Ortalamalar yerine doğrudan Diskriminant (Ayırma) analizi uygulanmalıdır.

Show answer & explanation

Answer: Aylık harcama tutarının varyansı ve değer aralığı çok daha büyük olacağı için uzaklık hesaplamalarını domine edecektir; bu nedenle analize başlamadan önce değişkenler standartlaştırılmalıdır.

Answer

Uzaklık hesaplamalarında varyansı büyük olan değişkenin sonucu domine etmemesi için analize başlamadan önce değişkenlerin standartlaştırılması gerektiği ifade eden seçenektir.

K-Ortalamalar algoritması nesneler arasındaki benzerlikleri Öklid gibi uzaklık metrikleri ile hesaplar. Eğer analizde kullanılan değişkenlerin birimleri ve varyansları birbirinden çok farklıysa (örneğin biri binli değerler, diğeri tek haneli değerler alıyorsa), büyük sayılarla ifade edilen değişken matematiksel olarak uzaklık değerini ve küme merkezlerini (centroid) domine eder. İkinci değişkenin kümeleme üzerine etkisi neredeyse kaybolur. Bu istatistiksel problemi önlemek ve değişkenlere eşit ağırlık verebilmek için analize başlanmadan önce her bir değişkenin standartlaştırılması (örneğin

Z

skoruna dönüştürülmesi) zorunludur.

Step-by-Step Solution

Verilen analiz yöntemini ve parametrelerini belirle

Yöntem: K-Ortalamalar (K-Means), Uzaklık ölçüsü: Öklid (Euclidean), Kullanılan veriler: Ham (farklı birimlerde ve varyanslarda).

Uygulanan metodolojinin varsayımlarını test etmek için veri yapısını ve kullanılan algoritmik yaklaşımı tanımlamak gereklidir.

K-Ortalamalar yönteminde Öklid uzaklığının özelliklerini değerlendir

Öklid uzaklığı değişkenlerin değer büyüklüklerinden ve birimlerinden doğrudan etkilenir.

Algoritmanın uzaklık matrisi oluşturma ve küme merkezini (centroid) güncelleme mantığını anlamak için bu işlem zorunludur.

Değişkenler arasındaki birim/varyans farklılığının algoritma üzerindeki etkisini tespit et

Aylık Harcama Tutarı (binli sayılar) ile Müşteri Olunan Yıl Sayısı (tek haneli sayılar) ham halleriyle hesaplandığında, toplam Öklid uzaklığı neredeyse tamamen Harcama Tutarı tarafından belirlenir.

Boyutların birbiri üzerindeki ağırlığını ve olası hataları (dominasyon etkisini) tespit etmek.

İstatistiksel çözümü belirle

Farklı varyanslara ve ölçeklere sahip değişkenlerin eşit ağırlıkla değerlendirilebilmesi için değişkenler

Z

dağılımına dönüştürülerek (ortalama

0

, varyans

1

) standartlaştırılmalıdır.

Uzaklık temelli çok değişkenli analizlerde ölçeklendirme problemi bu şekilde çözülür.

Key Concept

K-Ortalamalar analizinde veri standartlaştırmasının önemi

Question 3Question →

Bir ziraat mühendisi, 120 farklı tarım arazisini toprak özelliklerine göre sınıflandırmak amacıyla iki değişken üzerinden K-Ortalamalar (K-Means) kümeleme analizi uygulamaktadır:

$X_1$ : Topraktaki azot oranı (Yüzde cinsinden, $0.1$ ile $0.5$ arası değerler)
$X_2$ : Yıllık metrekare başına düşen yağış miktarı (Milimetre cinsinden, $400$ ile $1200$ arası değerler)

Mühendis, uzaklık ölçüsü olarak Öklid (Euclidean) uzaklığını seçmiş, küme sayısını $k=4$ olarak belirlemiş ve başlangıç merkezlerini (centroid) rastgele atayarak algoritmayı ham veriler (ölçeklendirilmemiş veri) üzerinden iteratif olarak çalıştırmıştır.

Bu algoritmanın matematiksel işleyiş mekanizması ve değişkenlerin yapısal özellikleri dikkate alındığında, yapılan analiz süreciyle ilgili aşağıdaki ifadelerden hangisi kesinlikle doğrudur?

Algoritmanın her iterasyonunda küme merkezleri, o kümeye atanan gözlemlerin aritmetik ortalaması yerine kümeye son katılan en uzak noktanın (outlier) koordinatları alınarak güncellendiği için değişkenlerin varyans farklılıkları analiz sonucunu etkilemez.

Veri setinde

X_2

değişkeninin değer aralığı ve varyansı çok daha geniş olduğu için, algoritma bu değişkeni otomatik olarak bağımlı (hedef) değişken kabul eder ve kümeleri

X_1

'in

X_2

'yi açıklama gücüne göre optimize eder.

Öklid uzaklığı yerine Manhattan (Şehir Bloğu) uzaklığı tercih edilseydi, mutlak değer işlemi sayesinde büyük varyanslı

X_2

değişkeninin baskınlığı matematiksel olarak ortadan kalkacak ve verileri standartlaştırmaya gerek kalmayacaktı.

Öklid uzaklığı hesaplamasında

(x_{i2} - c_{j2})^2

terimi,

(x_{i1} - c_{j1})^2

terimine kıyasla çok daha büyük sonuçlar vereceği için kümeleme yapısı neredeyse tamamen yağış miktarı (

X_2

) tarafından belirlenecektir; bu durumu önlemek için analiz öncesinde veriler standartlaştırılmalıdır.

Ham verilerin doğrudan kullanılması, algoritmanın her adımda uzaklık matrisini yeniden hesaplayarak tek bağlantı (single linkage) stratejisiyle zincirleme kümeleme yapmasına neden olur ve bu sayede küçük varyanslı

X_1

değişkeninin etkisi korunur.

Show answer & explanation

Answer: Öklid uzaklığı hesaplamasında $(x_{i2} - c_{j2})^2$ terimi, $(x_{i1} - c_{j1})^2$ terimine kıyasla çok daha büyük sonuçlar vereceği için kümeleme yapısı neredeyse tamamen yağış miktarı ( $X_2$ ) tarafından belirlenecektir; bu durumu önlemek için analiz öncesinde veriler standartlaştırılmalıdır.

Answer

Öklid uzaklığı kullanıldığında, karesel farklardan dolayı değer aralığı çok daha geniş olan yağış miktarı (

X_2

) hesaplamayı domine edecektir. Bu yanlılığın önüne geçmek için analize başlamadan önce her iki değişkenin standartlaştırılması gerekir.

K-Ortalamalar (K-Means) algoritması, kümeleme işlemini gözlemler ile küme merkezleri arasındaki uzaklıkları (genellikle Öklid uzaklığını) minimize ederek yapar. Öklid uzaklığı hesaplanırken değişkenler arasındaki farkların karesi alınır. Verilen senaryoda yağış miktarı (

X_2

)

400-1200

aralığında değerler alırken, azot oranı (

X_1

)

0.1-0.5

aralığındadır. Bu durumda

(X_2 - C_2)^2

ifadesinden gelecek binlerce birimlik değerler,

(X_1 - C_1)^2

ifadesinden gelecek

0.01

gibi çok küçük değerleri matematiksel olarak yutar. Algoritma sanki sadece yağış miktarı verisi varmış gibi çalışır. Bu istatistiksel yanılgıyı önlemenin tek yolu, analizden önce verileri standartlaştırmaktır (örneğin Z-skoruna dönüştürmek).

Step-by-Step Solution

K-Ortalamalar yönteminde uzaklık hesaplama formülünü incelemek

Öklid uzaklığı formülü:

d = \sqrt{(x_{i1} - c_{j1})^2 + (x_{i2} - c_{j2})^2}

Algoritmanın kümeleri ayırırken hangi matematiksel metodu temel aldığını belirlemek.

Verilen değişkenlerin değer aralıklarını ve formüldeki etkilerini karşılaştırmak

X_1

(Azot) farkları

0.1

ile

0.5

arasında değişirken karesi çok küçük bir ondalık sayı üretir.

X_2

(Yağış) farkları ise yüzlerce birim olup karesi on binlerce birim büyüklüğünde değerler üretir.

Farklı ölçüm birimlerinin (yüzde vs. milimetre) karesel uzaklık üzerindeki asimetrik etkisini tespit etmek.

Bu asimetrik etkinin kümeleme sonucuna yansımasını ve çözüm yolunu belirlemek

Mesafe hesaplamasında

X_1

'in etkisi matematiksel olarak kaybolur ve kümeler sadece

X_2

'ye göre oluşur. Çözüm, her iki değişkeni ortalaması

0

, varyansı

1

olacak şekilde standartlaştırmaktır (Z-skoru).

K-Ortalamalar algoritmasının ölçekten bağımsız çalışabilmesi için standartlaştırma varsayımının zorunluluğunu ortaya koymak.

Key Concept

Ölçeklendirme Etkisi ve Uzaklık Metrikleri

Question 4Question →

Bir e-ticaret şirketi, müşteri kitlelerini bölütlemek amacıyla "Yıllık Toplam Harcama Tutarı (TL)" (değer aralığı: $5.000$ - $250.000$ ) ve "Yıllık Sipariş Sayısı" (değer aralığı: $1$ - $50$ ) değişkenlerini kullanarak $K$ -Ortalamalar ( $K$ -Means) kümeleme analizi uygulamak istemektedir.

Veri setine herhangi bir dönüşüm veya standartlaştırma işlemi uygulanmadan, doğrudan Öklid uzaklığı kullanılarak analiz gerçekleştirildiğinde elde edilecek sonuçlarla ilgili aşağıdakilerden hangisi kesinlikle söylenebilir?

Oluşacak kümeler büyük ölçüde harcama tutarı değişkeni tarafından domine edilecek ve sipariş sayısının kümelerin ayrışmasına olan katkısı yok denecek kadar az olacaktır.

Algoritma, değişkenlerin farklı ölçüm aralıklarına sahip olduğunu algılayarak uzaklık hesaplamasından önce değerleri otomatik olarak dönüştürecektir.

Kümelerin birleştirilmesi aşamasında tek bağlantı (single linkage) kuralı işleyeceğinden, uç değere sahip harcama tutarları zincirleme (chaining) etkisine neden olacaktır.

Kümeleme sürecinin sonunda oluşacak dendrogram üzerinden kesim noktası belirlenirken, harcama tutarı yüksek olan müşteriler her zaman aynı dalda (branch) yer alacaktır.

Öklid uzaklığı sadece aynı ölçüm birimine sahip değişkenler arasında hesaplanabildiğinden, bu veri setinde uzaklık matrisinin elde edilebilmesi için Jaccard benzerlik katsayısının kullanılması zorunludur.

Show answer & explanation

Answer: Oluşacak kümeler büyük ölçüde harcama tutarı değişkeni tarafından domine edilecek ve sipariş sayısının kümelerin ayrışmasına olan katkısı yok denecek kadar az olacaktır.

Answer

Standartlaştırma yapılmadığında, değer aralığı ve varyansı çok daha büyük olan harcama tutarı değişkeninin uzaklık hesaplamasını ve dolayısıyla kümeleme sonucunu tamamen domine edeceği ifadesi kesinlikle doğrudur.

Veri setindeki değişkenler farklı ölçüm birimlerine veya çok farklı değer aralıklarına sahip olduğunda, sayısal olarak büyük değerler alan değişkenin varyansı uzaklık (özellikle Öklid uzaklığı) hesaplamasında baskın hale gelir. Bu durum, değer aralığı küçük olan değişkenin analizdeki ağırlığını pratik olarak sıfıra indirir. Standartlaştırma (örneğin Z-skoru dönüşümü) yapılmadığında harcama tutarı kümelemeyi tek başına belirler.

Step-by-Step Solution

Öklid uzaklığı formülündeki bileşenlerin etkisini incelemek.

İki müşteri arasındaki Öklid uzaklığı

d = \sqrt{\Delta x^2 + \Delta y^2}

formülüyle hesaplanır.

Her bir değişkenin genel uzaklık değerine sayısal katkısını matematiksel olarak görmek.

Verilen iki değişkenin değer aralıklarını ve fark büyüklüklerini karşılaştırmak.

Harcama tutarındaki (

\Delta x

) farklılıklar on binler mertebesinde iken, sipariş sayısındaki (

\Delta y

) farklılıklar en fazla onlar basamağındadır.

Hangi değişkenin uzaklık formülünde daha büyük sayısal değerler üreteceğini tespit etmek.

Standartlaştırmanın olmamasının algoritma üzerindeki etkisini değerlendirmek.

Sipariş sayısı küme merkezlerine olan mesafelerin belirlenmesinde etkisiz eleman gibi davranacak, atama işlemleri neredeyse sadece harcama tutarlarına göre gerçekleşecektir.

Ölçeklendirme eksikliğinin kümeleme analizinin nihai başarısına ve yapısına etkisini sonuçlandırmak.

Key Concept

Ölçeklendirme ve Öklid Uzaklığı Hassasiyeti

Question 5Question →

Bir pazar araştırmasında 7 farklı müşteri profilinin (M1, M2, M3, M4, M5, M6, M7) benzerlikleri üzerinden birleştirici (agglomerative) hiyerarşik kümeleme analizi yapılmış ve aşağıdaki birleştirme mesafelerine (linkage distance) sahip tablo elde edilmiştir:

Aşama	Birleşen Kümeler	Birleştirme Mesafesi (d)
1	M1, M2	$2$
2	M4, M5	$3$
3	M6, M7	$5$
4	(M4, M5) ile M3	$7$
5	(M1, M2) ile (M6, M7)	$9$
6	(M1, M2, M6, M7) ile (M3, M4, M5)	$20$

Araştırmacı ilk olarak dendrogramı uzaklık ekseninde $d = 6$ noktasından yatay bir çizgi ile keserek kümeleri ayırmıştır. Daha sonra, kümeleme analizinin durdurma kuralı olarak bağlantı mesafelerindeki 'en büyük mesafe sıçraması (maximum jump/gap)' kuralını dikkate alarak optimum küme sayısına karar vermiştir.

Buna göre, araştırmacının $d = 6$ kesim noktasında elde ettiği küme sayısı ile en büyük mesafe sıçraması kuralına göre belirlediği optimum küme sayısı sırasıyla aşağıdakilerden hangisidir?

4 ve 2

3 ve 2

4 ve 3

5 ve 3

3 ve 4

Show answer & explanation

Answer: 4 ve 2

Answer

4 ve 2

Dendrogram

d=6

noktasında kesildiğinde;

d=2

'de birleşen M1-M2,

d=3

'te birleşen M4-M5 ve

d=5

'te birleşen M6-M7 ayrı ayrı birer kümedir. M3 ise henüz

d=7

'ye ulaşılmadığı için tek başınadır. Böylece toplam 4 küme {M1,M2}, {M4,M5}, {M6,M7}, {M3} oluşur. En büyük mesafe sıçraması kuralı için aşamalar arası farklara bakılır:

20-9 = 11

en büyük farktır. Bu durum

d=9

ile

d=20

aralığındadır. Bu uzun daldan kesim yapıldığında dendrogramda 2 ana dal (2 küme) kalır.

Step-by-Step Solution

d=6

kesim noktasındaki durumu analiz etme

d=6

mesafesinden önce gerçekleşen birleşmeler: (M1,M2) d=2'de, (M4,M5) d=3'te, (M6,M7) d=5'te. Henüz birleşmeyen tek gözlem M3'tür.

Yatay bir kesim, o mesafeden daha küçük uzaklıklarda birleşmiş olan düğümleri bir arada, daha büyük mesafede birleşecek olanları ise ayrı tutar.

d=6

'daki küme sayısını belirleme

Oluşan kümeler: {M1, M2}, {M4, M5}, {M6, M7} ve tek başına kalan {M3}. Toplam küme sayısı 4'tür.

Birleştirici yöntem alttan üste doğru çalıştığı için,

d=6

anında elde edilen birbirinden bağımsız dal sayısı 4'tür.

Birleştirme mesafeleri arasındaki sıçramaları (farkları) hesaplama

Farklar:

3-2=1

5-3=2

7-5=2

9-7=2

20-9=11

En büyük mesafe sıçraması kuralı, kümeler arası heterojenliğin en keskin arttığı noktayı bulmayı gerektirir.

Optimum küme sayısını belirleme

En büyük sıçrama

20-9=11

birimdir. Bu devasa sıçrama, dendrogramda

d=9

ile

d=20

arasında en uzun dalı oluşturur. Bu sıçrama meydana gelmeden hemen önceki aşamada (d=9) 2 küme bulunmaktadır: {M1,M2,M6,M7} ve {M3,M4,M5}.

Dendrogram, birleşme mesafesinin en dik arttığı uzun daldan kesilerek optimum heterojenlik/homojenlik dengesi yakalanır. Bu kesim 2 küme verir.

Key Concept

Hiyerarşik Kümelemede Dendrogram Kesimi ve Küme Sayısı Belirleme

Estimated Time:2m 0s

Question 6Question →

Aşağıdaki tabloda dört gözleme ( $1$ , $2$ , $3$ ve $4$ ) ait uzaklık matrisi verilmiştir:

Gözlem	1	2	3	4
1	$0$	$2$	$3$	$9$
2	$2$	$0$	$8$	$10$
3	$3$	$8$	$0$	$6$
4	$9$	$10$	$6$	$0$

Hiyerarşik kümeleme analizi uygulanan bu veri setinde, ilk adımda birbirine en yakın olan $1$ ve $2$ numaralı gözlemler birleştirilerek $(1, 2)$ kümesi oluşturulmuştur.

Buna göre, tam bağlantı (en uzak komşu) yöntemi kullanılarak analize devam edildiğinde, ikinci adımda hangi gözlemler veya kümeler, hangi uzaklık seviyesinde birleştirilir?

(1, 2)

kümesi ile

3

numaralı gözlem,

5,5

uzaklığında

(1, 2)

kümesi ile

4

numaralı gözlem,

10

uzaklığında

3

4

numaralı gözlemler,

6

uzaklığında

(1, 2)

kümesi ile

3

numaralı gözlem,

3

uzaklığında

(1, 2)

kümesi ile

3

numaralı gözlem,

8

uzaklığında

Show answer & explanation

Answer: $3$ ve $4$ numaralı gözlemler, $6$ uzaklığında

Answer

3

4

numaralı gözlemler,

6

uzaklığında

Tam bağlantı (en uzak komşu) yönteminde iki küme arasındaki uzaklık, elemanları arasındaki maksimum uzaklık alınarak bulunur. Buna göre yeni oluşan

(1, 2)

kümesi ile diğer gözlemler arasındaki uzaklıklar hesaplandığında;

d((1, 2), 3) = \max(3, 8) = 8

d((1, 2), 4) = \max(9, 10) = 10

elde edilir. Kalan

3

4

numaralı gözlemler arasındaki uzaklık ise doğrudan başlangıç matrisinden

6

olarak okunur. Hiyerarşik kümeleme algoritmaları, kümeler arası uzaklıklar hangi bağlantı yöntemiyle belirlenirse belirlensin, daima güncel matristeki en küçük değere sahip olanları birleştirir. Bulunan uzaklıklar (

8

10

6

) arasından en küçüğü

6

olduğundan, ikinci adımda

3

4

numaralı gözlemler

6

uzaklığında birleştirilir.

Step-by-Step Solution

Yeni oluşturulan

(1, 2)

kümesi ile geriye kalan

3

4

numaralı gözlemler arasındaki uzaklıkların 'tam bağlantı' yöntemine göre hesaplanması.

d((1, 2), 3) = \max(d_{13}, d_{23}) = \max(3, 8) = 8

d((1, 2), 4) = \max(d_{14}, d_{24}) = \max(9, 10) = 10

olarak bulunur.

Tam bağlantı (en uzak komşu) yönteminde iki küme arasındaki uzaklık, bu kümelerin elemanları arasındaki en büyük uzaklık değeri olarak tanımlanır.

İkinci adım için güncellenmiş uzaklık değerlerinin belirlenmesi.

Gözden geçirilmiş uzaklıklar:

(1, 2)

ile

3

arası uzaklık

8

(1, 2)

ile

4

arası uzaklık

10

3

ile

4

arası uzaklık ise ilk matriste verilen

6

'dır.

Sonraki adımda hangi elemanların birleştirileceğini görmek için tüm olası eşleşmelerin uzaklıkları bilinmelidir.

Güncellenmiş uzaklıklar arasından en küçük olanın bulunması ve birleştirme işleminin yapılması.

Uzaklık değerleri (

8

10

6

) içinden en küçük olanı

6

'dır. Bu değer

3

4

numaralı gözlemler arasında olduğu için ikinci adımda bu iki gözlem

6

uzaklığında birleştirilir.

Hiyerarşik kümeleme algoritmaları (uzaklıklar hangi bağlantı yöntemiyle hesaplanırsa hesaplansın) daima matristeki en küçük uzaklığa sahip olan çifti birleştirerek ilerler.

Key Concept

Tam Bağlantı (En Uzak Komşu) Yöntemi ile Uzaklık Hesaplama ve Küme Birleştirme

Question 7Question →

Aşağıda 5 farklı gözlem birimi (A, B, C, D, E) için hesaplanmış Öklid uzaklık matrisi verilmiştir:

\begin{bmatrix} 0 & 2 & 6 & 10 & 9 \\ 2 & 0 & 5 & 9 & 8 \\ 6 & 5 & 0 & 4 & 5 \\ 10 & 9 & 4 & 0 & 3 \\ 9 & 8 & 5 & 3 & 0 \end{bmatrix}

(Matris simetrik olup, satır ve sütunlar sırasıyla A, B, C, D ve E gözlemlerini temsil etmektedir.)

Bu veri seti üzerinde tek bağlantı (en yakın komşu - single linkage) yöntemi kullanılarak hiyerarşik kümeleme analizi yapıldığında, tüm gözlemlerin tek bir küme altında toplandığı son adımda (iki ana kümenin birleştiği adım) hesaplanan birleşme uzaklığı kaçtır ve bu algoritmanın doğasından kaynaklanan, literatürde sıkça eleştirilen temel yapısal sorun aşağıdakilerden hangisinde doğru verilmiştir?

Son birleşme uzaklığı 5'tir; temel sorun kümelerin zincirleme (chaining) eğilimi göstererek ipliksi bir yapıya uzamasıdır.

Son birleşme uzaklığı 10'dur; temel sorun kümelerin zincirleme (chaining) eğilimi göstererek ipliksi bir yapıya uzamasıdır.

Son birleşme uzaklığı 5'tir; temel sorun kümelerin her zaman küresel (spherical) bir yapıya zorlanmasıdır.

Son birleşme uzaklığı 8'dir; temel sorun merkezî eğilimlerin (ortalama) kullanılması nedeniyle uç değerlere aşırı duyarlılık oluşmasıdır.

Son birleşme uzaklığı 10'dur; temel sorun kümelerin her zaman küresel (spherical) bir yapıya zorlanmasıdır.

Show answer & explanation

Answer: Son birleşme uzaklığı 5'tir; temel sorun kümelerin zincirleme (chaining) eğilimi göstererek ipliksi bir yapıya uzamasıdır.

Answer

Son birleşme uzaklığı 5'tir ve yöntemin temel sorunu kümelerin zincirleme (chaining) eğilimi göstermesidir.

Verilen uzaklık matrisinde adım adım tek bağlantı yöntemi uygulandığında; önce (A,B) 2'de, sonra (D,E) 3'te, ardından C ve (D,E) 4'te birleşir. Son aşamada (A,B) kümesi ile (C,D,E) kümesi arasındaki minimum uzaklık B ve C arasındaki 5 birimlik mesafe üzerinden gerçekleşir. Bu algoritmanın karakteristik dezavantajı kümelerin köprü noktalarla 'zincirleme' şeklinde uzamasıdır.

Step-by-Step Solution

Matristeki en küçük uzaklık tespit edilerek ilk küme oluşturulur.

Sıfır dışındaki en küçük uzaklık

d(A,B) = 2

'dir. A ve B birleştirilerek (A,B) kümesi oluşturulur.

Hiyerarşik kümelemede her zaman birbirine en yakın iki eleman veya küme ilk önce birleştirilir.

Kalan öğeler arasındaki en küçük uzaklık tespit edilir ve yeni birleştirme yapılır.

d(D,E) = 3

olduğundan D ve E gözlemleri birleştirilerek (D,E) kümesi oluşturulur.

Sıradaki en küçük mesafe 3'tür ve (A,B) kümesinden bağımsızdır.

Aktif kümeler olan (A,B), C ve (D,E) arasındaki tek bağlantı (minimum) uzaklıkları hesaplanır.

C ile (D,E) arasındaki uzaklık

\min(d(C,D), d(C,E)) = \min(4,5) = 4

'tür. C, (D,E) ile birleşerek (C,D,E) kümesini oluşturur.

Diğer alternatif mesafe olan C ile (A,B) arası

\min(6,5) = 5

'tir. 4 < 5 olduğu için C, (D,E) kümesine katılır.

Kalan iki ana küme olan (A,B) ve (C,D,E) arasındaki en kısa uzaklık hesaplanarak son birleştirme yapılır.

Tüm kombinasyonlar içerisindeki en küçük değer

d(B,C) = 5

'tir. İki ana küme 5 uzaklık seviyesinde birleşir.

Tek bağlantı yönteminde iki küme arasındaki mesafe, birbirlerine en yakın iki elemanlarının mesafesi olarak tanımlanır.

Tek bağlantı algoritmasının literatürde eleştirilen temel yapısal sorunu tanımlanır.

Bu algoritma kümeleri yalnızca birer köprü (en yakın eleman) üzerinden birleştirdiği için, uzamsal olarak kümeler ipliksi bir yapıya bürünerek uzar. Buna 'zincirleme (chaining) etkisi' denir.

Bu durum, birbirine hiç benzemeyen iki ucun sırf aralarında bir köprü var diye aynı kümede yer almasına sebep olur.

Key Concept

Tek Bağlantı Yönteminde Uzaklık Hesaplama ve Zincirleme Etkisi

Estimated Time:2m 30s

Question 8Question →

Bir büyükşehir belediyesi, kentsel planlama stratejilerini belirlemek amacıyla ilçesindeki 85 farklı mahalleyi sosyoekonomik ve altyapı özelliklerine göre gruplamak istemektedir. Araştırmacı bu amaçla iki değişken tanımlamıştır:

* $X_1$ : Mahalledeki toplam park ve yeşil alan sayısı (0 ile 25 arasında değişmektedir).
* $X_2$ : Mahalle sakinlerinin yıllık ortalama hanehalkı geliri ( $250.000$ TL ile $850.000$ TL arasında değişmektedir).

Araştırmacı, bu ham veri seti üzerinden doğrudan Öklid uzaklığı ölçüsünü kullanarak $k=4$ için K-Ortalamalar (K-Means) kümeleme algoritmasını çalıştırmış ve mahalleleri 4 kümeye ayırmıştır.

Araştırmacının uyguladığı bu kümeleme analizi prosedürü ve elde edeceği sonuçlar hakkında aşağıdakilerden hangisi söylenebilir?

Analiz öncesinde standardizasyon yapılmadığı için, varyansı çok daha büyük olan gelir değişkeni uzaklık hesaplamasını domine edecek ve kümeler neredeyse tamamen gelire göre oluşacaktır.

Kümeleme işleminin istatistiksel olarak geçerli sayılabilmesi için, modele analiz öncesinde mahallelerin mevcut gelişmişlik seviyesini gösteren kategorik bir bağımlı değişken eklenmelidir.

Değişkenlerin ölçüm birimlerinin farklı olması sonucu etkilemez; çünkü algoritma her iterasyonda küme içi hata kareler toplamını minimize ederken varyans farklılıklarını otomatik olarak dengeler.

Sürekli verilerin kullanıldığı ve birim farklılıklarının olduğu bu tür veri setlerinde, Öklid uzaklığı yerine her zaman Jaccard veya Basit Eşleşme (Simple Matching) katsayıları tercih edilmelidir.

K-Ortalamalar yöntemi hiyerarşik bir algoritma temelinde çalıştığı için, analizden önce verilerle bir dendrogram çizilip optimum kesim noktasının görsel olarak belirlenmesi zorunludur.

Show answer & explanation

Answer: Analiz öncesinde standardizasyon yapılmadığı için, varyansı çok daha büyük olan gelir değişkeni uzaklık hesaplamasını domine edecek ve kümeler neredeyse tamamen gelire göre oluşacaktır.

Answer

Doğru seçenek, Öklid uzaklığı kullanan mesafe temelli algoritmalarda (K-Ortalamalar gibi) değişkenlerin birimlerinin ve değer aralıklarının doğrudan sonuca etki ettiği gerçeğini yansıtmaktadır. Gelir değişkeni yüz binler basamağındayken, park sayısı onlar basamağındadır. Formül gereği farkların karesi alındığında, gelir değişkenindeki küçük bir değişim bile park sayısındaki en büyük değişimden matematiksel olarak çok daha ağır basacaktır. Bu nedenle, kümeler mahallelerin park sayısından bağımsız olarak, sadece gelir düzeyine göre şekillenecektir. Bu sorunu aşmak için analize başlamadan önce her iki değişkenin ortalaması 0, varyansı 1 olacak şekilde standartlaştırılması (z-değerlerine dönüştürülmesi) gereklidir.

Step-by-Step Solution

K-Ortalamalar algoritmasında Öklid uzaklığının formülünü ve davranışını incelemek.

İki nokta arasındaki Öklid uzaklığı

d(x, y) = \sqrt{\sum (x_i - y_i)^2}

formülü ile hesaplanır.

Uzaklık ölçüsünün hesaplama mantığını anlamak, değişkenlerin sonuca etkisini değerlendirmek için gereklidir.

Verilen iki değişkenin değer aralıklarını ve uzaklık formülündeki kare alma işleminin etkisini karşılaştırmak.

X_1

(park sayısı) için farkların karesi en fazla birkaç yüz (örn.

(25-0)^2 = 625

) olurken,

X_2

(gelir) için farkların karesi milyarlarca (örn.

(850000-250000)^2 = 360.000.000.000

) değerini alacaktır.

Değişkenlerin varyans ve aralık farklarının matematiksel olarak uzaklık değerini nasıl yönlendirdiğini sayısal olarak görmek.

Ham verilerle yapılan kümeleme işleminin sonucunu yorumlamak.

Toplam uzaklık hesaplamasında

X_1

değişkeninin katkısı,

X_2

değişkeninin yanında ihmal edilebilir düzeyde kalacaktır. Algoritma fiilen sadece gelir (

X_2

) değişkenini dikkate alarak kümeleme yapacaktır.

Problemi tespit edip, standardizasyon (Z-skoruna dönüştürme vb.) işleminin neden zorunlu olduğu sonucuna varmak.

Key Concept

Ölçeklendirme (Standardizasyon) ve Uzaklık Ölçüleri Arasındaki İlişki

Question 9Question →

Kümeleme analizinde gözlemler veya değişkenler arasındaki benzerlik ve uzaklıkların hesaplanması aşamasında çeşitli metrikler ve katsayılar kullanılmaktadır.

Buna göre, uzaklık ve benzerlik ölçüleri ile ilgili aşağıdaki ifadelerden hangisi yanlıştır?

Ölçüm birimleri birbirinden çok farklı olan sürekli değişkenlerle çalışırken veriler standartlaştırılmadan Öklid uzaklığı hesaplanırsa, varyansı büyük olan değişkenlerin uzaklık matrisi üzerindeki etkisi orantısız şekilde yüksek olur.

Mahalanobis uzaklığı, değişkenler arasındaki korelasyon yapısını ve varyans farklılıklarını modele katarak standartlaştırma ihtiyacını ortadan kaldırır; veri matrisinin kovaryans matrisi birim matris olduğunda sonuçları Öklid uzaklığı ile aynı olur.

Kullanılan bir uzaklık ölçüsünün matematiksel olarak geçerli bir 'metrik' uzay tanımlayabilmesi için; uzaklıkların negatif olmaması, simetri (

d(x,y) = d(y,x)

) ve üçgen eşitsizliğini (

d(x,z) \le d(x,y) + d(y,z)

) sağlaması zorunludur.

Asimetrik ikili (binary) verilerin analizinde kullanılan Dice katsayısı, Jaccard katsayısına kıyasla ortak özellikleri (1-1) iki kat ağırlıklandırırken, Basit Eşleşme (SMC) katsayısında olduğu gibi ortak yokluk (0-0) durumlarını da benzerlik hesaplamasına dâhil eder.

Simetrik ikili verilerde '0-0' eşleşmeleri '1-1' eşleşmeleri kadar kavramsal bir anlam taşıdığı için Basit Eşleşme (SMC) katsayısının kullanımı uygunken; '0-0' eşleşmelerinin bilgi taşımadığı (örneğin nadir hastalık varlığı) durumlarda Jaccard katsayısı tercih edilmelidir.

Show answer & explanation

Answer: Asimetrik ikili (binary) verilerin analizinde kullanılan Dice katsayısı, Jaccard katsayısına kıyasla ortak özellikleri (1-1) iki kat ağırlıklandırırken, Basit Eşleşme (SMC) katsayısında olduğu gibi ortak yokluk (0-0) durumlarını da benzerlik hesaplamasına dâhil eder.

Answer

Dice katsayısının ortak yokluk (0-0) durumlarını benzerlik hesaplamasına dâhil ettiğini iddia eden ifade yanlıştır.

Dice katsayısının hesaplanma formülü

S_{Dice} = \frac{2a}{2a + b + c}

şeklindedir. Burada

a

her iki gözlemde de özelliğin var olmasını (1-1),

b

c

ise uyumsuzlukları (1-0 ve 0-1) ifade eder. Formülden de açıkça görüleceği üzere, her iki gözlemde de özelliğin bulunmaması durumunu temsil eden

d

(0-0 eşleşmeleri) parametresi Dice katsayısında Jaccard katsayısında olduğu gibi tamamen dışlanmıştır. Ortak yoklukları (0-0) hesaba katan ölçü Basit Eşleşme (SMC) katsayısıdır. Bu sebeple Dice katsayısının ortak yoklukları dâhil ettiğini belirten seçenek yanlıştır.

Step-by-Step Solution

İkili (binary) veri yapılarında kullanılan 2x2 çapraz tablodaki hücrelerin anlamlarını belirle.

a

: 1-1 (ortak varlık),

b

: 1-0,

c

: 0-1,

d

: 0-0 (ortak yokluk).

Benzerlik katsayılarının formülleri bu dört temel eşleşme durumu üzerinden inşa edilir.

Seçeneklerde bahsi geçen Basit Eşleşme (SMC), Jaccard ve Dice katsayılarının formüllerini ve

d

(0-0) hücresine yaklaşımlarını incele.

SMC = \frac{a+d}{a+b+c+d}

(0-0'ı içerir).

Jaccard = \frac{a}{a+b+c}

(0-0'ı dışlar).

Dice = \frac{2a}{2a+b+c}

(0-0'ı dışlar).

Her bir katsayının simetrik veya asimetrik verilerdeki davranışı doğrudan bu formüllere dayanır.

Yanlış olan ifadeyi içeren seçeneği tespit et.

Dice katsayısının 1-1 eşleşmelerini iki kat ağırlıklandırdığı bilgisi doğru olsa da, ortak yoklukları (0-0) hesaba kattığı bilgisi kesinlikle yanlıştır.

Dice katsayısının formülünde ve mantığında

d

değeri yer almaz.

Diğer seçeneklerdeki kavramların (Öklid'in varyans hassasiyeti, Mahalanobis'in özellikleri ve metrik uzay kuralları) doğruluğunu teyit et.

Öklid uzaklığı standartlaştırma gerektirir, Mahalanobis kovaryansı hesaba katar ve metrik özellikler (simetri, üçgen eşitsizliği vb.) zorunludur. Diğer ifadeler doğrudur.

Sorunun bütünlüğünü ve çeldiricilerin kavramsal tutarlılığını doğrulamak için gereklidir.

Key Concept

İkili Verilerde Benzerlik Ölçüleri ve Uzaklık Metriklerinin Özellikleri

Estimated Time:1m 30s

Question 10Question →

Çok değişkenli veri analizinde, $n$ birimi birbirine benzer alt gruplara ayırmak için yığılmalı (agglomeratif) hiyerarşik kümeleme yöntemleri sıklıkla kullanılır. Bu yöntemlerden biri olan Ward yöntemi, uzaklık matrislerini kullanan klasik bağlantı (linkage) algoritmalarından farklı olarak varyans analizine dayalı bir teorik temele sahiptir.

Buna göre, Ward yönteminin algoritma mantığı ve ürettiği kümelerin geometrik yapısı hakkında aşağıdaki ifadelerden hangisi doğrudur?

İki küme arasındaki uzaklığı, bu kümelerdeki birbirine en yakın iki birim arasındaki mesafe olarak tanımlar ve veri setinde 'zincirleme (chaining)' etkisine yol açma olasılığı en yüksek yöntemdir.

Her adımda, birleştirildiğinde küme içi hata kareler toplamındaki (ESS) artışı en aza indirecek iki kümeyi birleştirir ve genellikle küresel (spherical) yapıda, birbirine yakın büyüklükte kümeler üretme eğilimindedir.

İki küme arasındaki uzaklığı, iki kümedeki en uzak iki gözlem arasındaki mesafe olarak tanımlar ve çapı en küçük olan, oldukça sıkı kümeler oluşturmayı hedefler.

Hesaplamalarında mutlak uzaklık (Manhattan) metriklerini temel alır ve karesel uzaklık kullanmadığı için veri setindeki aykırı değerlere (outliers) karşı son derece dirençlidir.

Kümeleme aşamalarında, küme içi saçılım matrisinin izi (trace) yerine determinantını (genelleştirilmiş varyans) minimize eden alt kümeleri birleştirerek eliptik kümeler oluşturmayı hedefler.

Show answer & explanation

Answer: Her adımda, birleştirildiğinde küme içi hata kareler toplamındaki (ESS) artışı en aza indirecek iki kümeyi birleştirir ve genellikle küresel (spherical) yapıda, birbirine yakın büyüklükte kümeler üretme eğilimindedir.

Answer

Ward yöntemi, küme içi hata kareler toplamındaki artışı minimize eden ve küresel kümeler oluşturan yöntemdir.

Ward yöntemi, hiyerarşik kümelemede varyans analizi prensibini kullanan tek klasik algoritmadır. Her adımda tüm olası küme birleşimleri için küme içi hata kareler toplamı (ESS) yeniden hesaplanır ve toplam ESS'yi en az artıracak ikili birleştirilir. Bu istatistiksel yaklaşım, yöntemin doğası gereği yoğun, küresel (spherical) ve birbirine yakın hacimde kümeler bulma eğilimini ortaya çıkarır.

Step-by-Step Solution

Ward yönteminin birleştirme kriterini tanımla.

Ward yöntemi, her adımda küme içi hata kareler toplamını (Error Sum of Squares - ESS) hesaplar ve bu değerdeki artışı en aza indirecek iki kümeyi birleştirir.

Yöntemin varyans analizine dayalı temel matematiksel işleyişini belirlemek için.

Yöntemin uzaklık ölçütü ve aykırı değerlere duyarlılığını değerlendir.

Hata kareler toplamı hesabı karesel Öklid uzaklıklarını gerektirir. Bu karesel yapı, yöntemi aykırı değerlere karşı son derece duyarlı hale getirir.

Hatalı seçeneklerdeki (Manhattan/dirençlilik) iddiaları çürütmek için.

Oluşan kümelerin geometrik yapısını incele.

Kapsamlı varyans minimizasyonu, yöntemin genellikle küresel (spherical) formda ve kabaca eşit büyüklükte kümeler üretmesini sağlar.

Yöntemin ayırt edici görsel/geometrik sonucunu tanımlamak için.

Diğer bağlantı yöntemleriyle karşılaştırma yap.

Tek bağlantı zincirleme yapar, tam bağlantı maksimum uzaklığı dikkate alır. Ward ise sadece varyans artışını (matrisin izini) baz alır.

Seçeneklerdeki çeldiricileri doğru eşleştirmek ve elemek için.

Key Concept

Ward Yönteminin Varyans Temelli İşleyişi

Question 11Question →

Aşağıdaki tabloda dört gözlem (A, B, C, D) arasındaki başlangıç uzaklık matrisi verilmiştir:

Gözlem	A	B	C	D
A	0	2	6	12
B	2	0	4	6
C	6	4	0	15
D	12	6	15	0

Hiyerarşik kümeleme analizinde ağırlıklandırılmamış ortalama bağlantı (UPGMA) yöntemi kullanılmaktadır. Analizin ilk aşamasında birbirine en yakın olan A ve B gözlemleri birleştirilerek $K_1 = \{A, B\}$ kümesi oluşturulmuştur. Daha sonra, $K_1$ kümesi ile C gözlemi birleştirilerek $K_2 = \{A, B, C\}$ kümesi elde edilmiştir.

Buna göre, yeni oluşan $K_2$ kümesi ile D gözlemi arasındaki uzaklık değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 11

Answer

Yeni oluşan K2 kümesi ile D gözlemi arasındaki uzaklık değeri 11'dir.

Ağırlıklandırılmamış ortalama bağlantı (UPGMA) yönteminde, oluşan yeni bir küme ile başka bir küme/gözlem arasındaki uzaklık, orijinal gözlem çiftlerinin birbirine olan uzaklıklarının aritmetik ortalamasıdır.

K_2

kümesi A, B ve C gözlemlerinden oluşmaktadır. Bu gözlemlerin D gözlemine olan uzaklıkları tablodan sırasıyla 12, 6 ve 15 olarak okunur. Ortalama bağlantı gereği bu üç değer toplanıp 3'e bölünür:

\frac{12 + 6 + 15}{3} = \frac{33}{3} = 11

. Alternatif olarak küme büyüklükleri formülüyle hesaplandığında;

d(K_2, D) = \frac{2}{3}d(K_1, D) + \frac{1}{3}d(C, D) = \frac{2}{3}(9) + \frac{1}{3}(15) = 6 + 5 = 11

aynı sonucu verir.

Step-by-Step Solution

Ağırlıklandırılmamış ortalama bağlantı (UPGMA) yönteminin kuralını belirleme

Yeni bir kümenin dışarıdaki bir gözleme olan uzaklığının, kümeyi oluşturan orijinal gözlemlerin dışarıdaki gözleme olan uzaklıklarının basit aritmetik ortalaması olduğu hatırlanır.

UPGMA yöntemi, küme büyüklüklerini (gözlem sayılarını) dikkate alarak başlangıçtaki gözlemlere eşit ağırlık verir.

K2 kümesini oluşturan gözlemleri ve D gözlemine olan bireysel uzaklıklarını tespit etme

K_2 = \{A, B, C\}

kümesindeki elemanların D gözlemine olan uzaklıkları sırasıyla 12, 6 ve 15 olarak tablodan bulunur.

Uzaklıkları ortalamaya dahil etmek için her bir gözlemin D ile olan eşleşmesi gereklidir.

Uzaklıkların aritmetik ortalamasını hesaplama

d(K_2, D) = \frac{12 + 6 + 15}{3} = \frac{33}{3} = 11

bulunur.

Üç orijinal gözlem olduğu için toplam uzaklık 3'e bölünerek doğru UPGMA uzaklığı elde edilir.

Key Concept

Ortalama Bağlantı (UPGMA) Yöntemi ile Kümeler Arası Uzaklık Hesaplama

Question 12Question →

Bir araştırmacı, $X, Y, Z$ ve $W$ gözlemleri üzerinde hiyerarşik kümeleme analizi uygulamaktadır. Gözlemler arasındaki başlangıç uzaklık matrisi (Öklid uzaklıkları) aşağıda verilmiştir:

Gözlem	$X$	$Y$	$Z$	$W$
$X$	0	2	10	18
$Y$	2	0	14	22
$Z$	10	14	0	8
$W$	18	22	8	0

Araştırmacı analiz sürecinde ilk olarak birbirine en yakın olan $X$ ve $Y$ 'yi birleştirerek $K_1 = \{X, Y\}$ kümesini oluşturmuştur. Bir sonraki aşamada ise $K_1$ kümesi ile $Z$ gözlemini birleştirerek $K_2 = \{X, Y, Z\}$ kümesini elde etmiştir.

Kümeleme işleminin son adımında, $K_2$ kümesi ile $W$ gözlemi arasındaki uzaklık Ortalama Bağlantı (UPGMA - Ağırlıklandırılmamış Aritmetik Ortalama) yöntemi kullanılarak hesaplanacaktır.

Buna göre, $K_2$ kümesi ile $W$ gözlemi arasındaki uzaklık kaç birimdir?

Show answer & explanation

Answer: 16

Answer

Ortalama bağlantı (UPGMA - Ağırlıklandırılmamış Aritmetik Ortalama) yönteminde, bir kümenin diğerine olan uzaklığı, bu kümelerdeki tüm gözlem çiftleri arasındaki uzaklıkların aritmetik ortalamasıdır.

K_2 = \{X, Y, Z\}

kümesinin

W

gözlemine uzaklığı hesaplanırken,

W

'nin

X

Y

Z

ile olan tüm uzaklıkları toplanıp 3'e bölünmelidir. Formül uygulanırsa:

\frac{d(X,W) + d(Y,W) + d(Z,W)}{3} = \frac{18 + 22 + 8}{3} = \frac{48}{3} = 16

birim olarak bulunur. (Not: WPGMA kullanılsaydı ağırlıklandırma farkından dolayı sonuç 14 çıkardı).

Step-by-Step Solution

K_2

kümesinin elemanlarının ve karşılaştırılacak hedefin belirlenmesi

K_2 = \{X, Y, Z\}

kümesi ile

W

gözlemi arasındaki eşleşmeler tespit edilir.

Uzaklık hesaplamasında hangi ikili eşleşmelerin kullanılacağını netleştirmek için.

Matris üzerinden

K_2

'deki her bir gözlemin

W

ile olan uzaklıklarının okunması

d(X,W) = 18

d(Y,W) = 22

d(Z,W) = 8

olarak bulunur.

UPGMA formülünde yer alan pay (toplam uzaklık) değerini oluşturmak için.

UPGMA formülüne göre aritmetik ortalamanın hesaplanması

(18 + 22 + 8) / 3 = 48 / 3 = 16

birim bulunur.

Ağırlıklandırılmamış Ortalama Bağlantı yönteminde tüm gözlemlerin eşit ağırlığa sahip olması gerektiği için doğrudan eleman sayısına bölünür.

Key Concept

Hiyerarşik Kümeleme Analizinde Ağırlıklandırılmamış Ortalama Bağlantı (UPGMA)

Question 13Question →

Çok değişkenli istatistiksel analizde yığılmalı (agglomeratif) hiyerarşik kümeleme yöntemleri, birleştirilecek kümelerin arasındaki uzaklığın (veya benzerliğin) nasıl tanımlandığına göre birbirinden ayrılır. Bir veri bilimci, elindeki sürekli değişkenlerden oluşan veri setini kullanarak homojen alt gruplar elde etmek istemekte ve bu amaçla Ward Yöntemi'ni kullanmaya karar vermektedir.

Buna göre, Ward Yöntemi'nin dayandığı temel optimizasyon ölçütü ve bu yöntemin Tek Bağlantı (Single Linkage) ve Tam Bağlantı (Complete Linkage) gibi geleneksel yöntemlerden ayrılan teorik yapısı aşağıdakilerin hangisinde doğru açıklanmıştır?

İki kümenin birleştirilmesi kararını, birleşme sonrası oluşacak yeni kümenin hata kareler toplamındaki (

ESS

) artışın minimum yapılmasına dayandırır; geleneksel yöntemler belirli gözlem çiftleri arasındaki uzaklıkları temel alırken, Ward yöntemi varyans analizi (ANOVA) yaklaşımına benzer şekilde küme içi varyansı minimize etmeyi amaçlar.

Kümeler arası uzaklığı, iki kümedeki en uzak gözlem çifti arasındaki mesafe olarak tanımlar ve her adımda bu uzaklığı minimum yapan kümeleri birleştirir; böylece Tek Bağlantı yönteminde sıkça karşılaşılan zincirleme (chaining) problemini, kümeler arası maksimum mesafeyi kullanarak çözer.

Birleştirme işleminde uzaklık matrisi yerine doğrudan değişkenlerin korelasyon yapısını dikkate alarak Mahalanobis uzaklığını minimize eder; diğer yöntemlerin sadece Öklid uzaklığı kullanmasından farklı olarak, değişkenler arasındaki çoklu bağlantı (multicollinearity) sorununu kendi algoritması içinde giderir.

Kümeleri birleştirirken, birleşme sonrası elde edilecek dendrogramda optimum kesim noktasını (cut-off) maksimize edecek iki kümeyi seçer; diğer hiyerarşik yöntemler uzaklıklara göre adım adım ilerlerken, Ward yöntemi ağaç yapısının nerede kesileceğini algoritmanın her adımında istatistiksel olarak test eder.

İki küme arasındaki uzaklığı, o kümelerdeki tüm gözlem çiftleri arasındaki uzaklıkların ortalaması olarak hesaplar ve bu ortalamayı minimum yapan kümeleri birleştirir; diğer yöntemlerin tek bir ekstrem değere odaklanması yerine kümenin genel yapısını dikkate alır.

Show answer & explanation

Answer: İki kümenin birleştirilmesi kararını, birleşme sonrası oluşacak yeni kümenin hata kareler toplamındaki ( $ESS$ ) artışın minimum yapılmasına dayandırır; geleneksel yöntemler belirli gözlem çiftleri arasındaki uzaklıkları temel alırken, Ward yöntemi varyans analizi (ANOVA) yaklaşımına benzer şekilde küme içi varyansı minimize etmeyi amaçlar.

Answer

Ward yöntemi, iki kümenin birleştirilmesi kararını, birleşme sonrası oluşacak yeni kümenin hata kareler toplamındaki (ESS) artışın minimum yapılmasına dayandırır ve küme içi varyansı minimize etmeyi amaçlar.

Ward yöntemi, hiyerarşik kümeleme algoritmaları içinde varyans analizi (ANOVA) yaklaşımını kullanan yegane yöntemdir. Diğer yığılmalı hiyerarşik yöntemler kümeler arasındaki mesafeyi tanımlamak için spesifik veri noktalarını (en yakın komşu, en uzak komşu veya ortalama) kullanırken, Ward yöntemi birleşmenin sistemin genel homojenliğine olan etkisine odaklanır. Herhangi iki küme birleştirildiğinde, yeni oluşan kümenin içindeki gözlemlerin hata kareler toplamında (

ESS

) zorunlu bir artış olur. Ward yöntemi, her adımda bu artışı (bilgi kaybını) minimum yapan iki kümeyi birleştirerek olabildiğince homojen alt gruplar elde etmeyi garanti eder.

Step-by-Step Solution

Ward yönteminin optimizasyon kriterini belirleme

Yöntem, her adımda küme içi hata kareler toplamındaki (

ESS

) artışı minimize eder.

Bilgi kaybını en aza indirmek ve homojen kümeler elde etmek için.

Diğer yöntemlerle karşılaştırma yapma

Tek ve Tam bağlantı gibi yöntemler doğrudan geometrik uzaklıkları (en yakın/en uzak komşu) dikkate alırken, Ward varyans analizi (ANOVA) benzeri bir yaklaşım kullanır.

Ward yönteminin teorik farkını ortaya koymak için.

Seçenekleri eleme

En uzak mesafe (Tam Bağlantı), ortalama mesafe (Ortalama Bağlantı), Mahalanobis optimizasyonu ve dendrogram kesim noktası ifadeleri elenir.

Hatalı veya farklı kümeleme/uzaklık kavramlarına ait oldukları için.

Key Concept

Ward Yönteminin temel prensibi ve küme içi hata kareler toplamı (ESS) minimizasyonu.

Alternative Method

Öklid uzaklık matrisi üzerinden Ward yönteminin formülasyonu çalışılırken, varyans hesaplaması yapmak yerine Lance-Williams güncelleme formülünde Ward parametrelerinin nasıl yerleştirildiğini inceleyerek yöntemin işleyişini matematiksel olarak daha hızlı kavrayabilirsiniz.

Estimated Time:1m 30s

Question 14Question →

Bir bölge kalkınma ajansı uzmanı, ilçeleri sosyoekonomik gelişmişlik göstergelerine göre sınıflandırmak için hiyerarşik kümeleme analizi uygulamaktadır. Uzman, kümeler arası uzaklığı hesaplarken tek tek gözlemler arasındaki en kısa mesafeyi dikkate alan yaklaşımın yaratabileceği zincirleme (chaining) etkisinden veya en uzun mesafeyi temel alan yaklaşımın aykırı değerlere olan aşırı hassasiyetinden kaçınmak istemektedir. Bunun yerine, her adımda birleştirilecek iki kümenin, toplam küme içi hata kareler toplamındaki ( $ESS$ ) artışı en aza indirecek şekilde seçilmesi prensibine dayanan algoritmayı kullanmaya karar vermiştir.

Buna göre, uzmanın uygulamasında tercih ettiği kümeleme yöntemi aşağıdakilerden hangisidir?

Tek bağlantı (Single linkage) yöntemi

Tam bağlantı (Complete linkage) yöntemi

Ward yöntemi

Ortalama bağlantı (Average linkage) yöntemi

Ağırlık merkezi (Centroid) yöntemi

Show answer & explanation

Answer: Ward yöntemi

Answer

Ward yöntemi, küme içi hata kareler toplamındaki (ESS) artışı minimize etmeye dayanan algoritmadır.

Doğru yanıt olan Ward yöntemi, yığılmalı hiyerarşik kümeleme analizinde varyans temelli bir yaklaşımdır. Her adımda, olası tüm küme birleşimleri değerlendirilir ve küme içi hata kareler toplamında (

ESS

- Error Sum of Squares) en az artışa neden olan iki küme birleştirilir. Bu sayede, oluşan kümelerin içsel olarak yüksek derecede homojen olması sağlanır.

Step-by-Step Solution

Soru metnindeki birleştirme kriterini belirle.

Araştırmacının, her birleştirme aşamasında 'toplam küme içi hata kareler toplamındaki (

ESS

) artışı en aza indiren' algoritmayı aradığı tespit edilir.

Hiyerarşik kümeleme yöntemleri, kümeleri hangi uzaklık veya benzerlik kriterine göre birleştirecekleri noktasında birbirinden ayrılır.

Diğer yöntemlerin dezavantajları ile eşleşen özellikleri ele.

Metinde bahsedilen zincirleme etkisine (chaining) yol açan yöntem 'Tek bağlantı', aykırı değerlere hassas olan yöntem ise 'Tam bağlantı' yöntemidir.

Soru metni bu yöntemlerin neden tercih edilmediğini açıklayarak analistin aradığı yöntemin ayırt edici özelliğini vurgulamaktadır.

Kriter ile doğru yöntemi eşleştir.

Küme içi varyansı (veya hata kareler toplamı olan

ESS

'yi) minimum yapacak kümeleri birleştirme mantığına dayanan algoritmanın Ward yöntemi olduğu sonucuna varılır.

Ward yönteminin matematiksel amacı, oluşan kümelerin kendi içlerinde maksimum homojenliğe sahip olmasını sağlamaktır.

Key Concept

Ward Yöntemi ve Hata Kareler Toplamı (ESS) Minimizasyonu

Question 15Question →

Aşağıdaki tabloda bir hiyerarşik kümeleme analizi uygulamasında yer alan $A$ , $B$ ve $C$ kümeleri arasındaki uzaklık matrisi ve bu kümelerin içerdiği gözlem sayıları ( $n$ ) verilmiştir:

Küme	$A \ (n=4)$	$B \ (n=1)$	$C \ (n=3)$
$A \ (n=4)$	$0$	$8$	$12$
$B \ (n=1)$	$8$	$0$	$32$
$C \ (n=3)$	$12$	$32$	$0$

Analizin bu adımında, aralarındaki uzaklık en küçük olan $A$ ve $B$ kümeleri birleştirilerek yeni bir $(A \cup B)$ kümesi oluşturulmuştur.

Buna göre, yeni oluşan $(A \cup B)$ kümesi ile $C$ kümesi arasındaki uzaklık, sırasıyla Ağırlıklandırılmamış Ortalama Bağlantı (UPGMA) ve Ağırlıklandırılmış Ortalama Bağlantı (WPGMA) yöntemlerine göre hesaplandığında aşağıdaki değer çiftlerinden hangisi elde edilir?

16 ve 22

22 ve 16

28 ve 22

12 ve 32

10 ve 22

Show answer & explanation

Answer: 16 ve 22

Answer

Yeni küme ile C kümesi arasındaki uzaklık UPGMA yöntemi ile 16, WPGMA yöntemi ile 22 olarak hesaplanır.

Doğru seçenekte, UPGMA için kümelerin eleman sayıları formüle dahil edilmiş (

4/5 \times 12 + 1/5 \times 32 = 16

) ve WPGMA için kümelerin büyüklüğüne bakılmaksızın basit aritmetik ortalama (

12/2 + 32/2 = 22

) alınarak hesaplama eksiksiz yapılmıştır.

Step-by-Step Solution

Birleşen kümeleri ve özelliklerini belirleme

A

B

kümeleri birleşerek

(A \cup B)

kümesini oluşturmuştur.

n_A = 4

n_B = 1

. C kümesine uzaklıkları tablodan

d(A,C) = 12

d(B,C) = 32

olarak okunur.

Bağlantı algoritmalarında kullanılacak başlangıç parametrelerini matristen doğru çekmek hesaplamanın ilk adımıdır.

UPGMA (Ağırlıklandırılmamış Ortalama Bağlantı) değerini hesaplama

d_{UPGMA} = \frac{n_A}{n_A+n_B} d(A,C) + \frac{n_B}{n_A+n_B} d(B,C) = \frac{4}{5}(12) + \frac{1}{5}(32) = 9.6 + 6.4 = 16

UPGMA yönteminde orijinal gözlemlerin eşit ağırlığa sahip olması amaçlandığı için, kümeler birleştirilirken eleman sayıları dikkate alınarak ağırlıklı ortalama alınır.

WPGMA (Ağırlıklandırılmış Ortalama Bağlantı) değerini hesaplama

d_{WPGMA} = \frac{1}{2} d(A,C) + \frac{1}{2} d(B,C) = \frac{12 + 32}{2} = 22

WPGMA yönteminde eleman sayısına bakılmaksızın kümeler eşit ağırlığa (0.5) sahip olacak şekilde basit aritmetik ortalama alınır (böylece küçük kümedeki elemanlar dolaylı olarak daha yüksek ağırlık kazanır).

Elde edilen sonuçları sırasıyla eşleştirme

UPGMA için 16, WPGMA için 22 değerleri elde edilmiştir.

Soru kökünde istenen sıraya uygun şekilde sonuçlar tespit edilir.

Key Concept

Hiyerarşik Kümeleme Analizinde UPGMA ve WPGMA Yöntemlerinin Karşılaştırılması

Question 16Question →

Bir kamu kurumu, illeri sosyo-ekonomik gelişmişlik endekslerine göre hiyerarşik olarak kümelemektedir. Analizin bir aşamasında $A = \{I_1, I_2\}$ ve $B = \{I_3, I_4, I_5\}$ olmak üzere iki küme elde edilmiştir. Bu iki kümedeki iller arasındaki uzaklık değerleri aşağıda verilmiştir:

$d(I_1, I_3) = 12$
$d(I_1, I_4) = 18$
$d(I_1, I_5) = 14$
$d(I_2, I_3) = 9$
$d(I_2, I_4) = 15$
$d(I_2, I_5) = 22$

Araştırmacı, kümeleri birleştirirken 'Tam Bağlantı (En Uzak Komşu)' yöntemini kullanmayı tercih etmiştir.

Buna göre, $A$ ve $B$ kümeleri arasındaki uzaklık değeri ile araştırmacının bu yöntemi tercih ettiğinde ulaşması beklenen küme yapısının özelliği aşağıdakilerin hangisinde birlikte doğru verilmiştir?

22

; Sıkı (kompakt) ve küresel yapıda kümeler üretme eğilimi

9

; Zincirleme (chaining) etkisine yol açarak uzun ve yayvan kümeler oluşturması

15

; Kümeler arası uzaklığı hesaplarken tüm gözlem çiftlerinin ortalamasını dikkate alması

22

; Zincirleme (chaining) etkisine yol açarak uzun ve yayvan kümeler oluşturması

9

; Sıkı (kompakt) ve küresel yapıda kümeler üretme eğilimi

Show answer & explanation

Answer: $22$ ; Sıkı (kompakt) ve küresel yapıda kümeler üretme eğilimi

Answer

22

; Sıkı (kompakt) ve küresel yapıda kümeler üretme eğilimi

Tam Bağlantı (En Uzak Komşu) yönteminde iki küme arasındaki uzaklık, kümelerin elemanları arasındaki en uzak mesafeye eşittir. Verilen

\{12, 18, 14, 9, 15, 22\}

değerleri içindeki maksimum uzaklık

22

'dir. Ayrıca bu yöntem, algoritmik doğası gereği yeni katılımları zorlaştırdığı için kümelerin uzayıp gitmesini (zincirleme etkisini) engeller ve kompakt, küresel yapıda kümeler oluşturur.

Step-by-Step Solution

Tam bağlantı (en uzak komşu) yönteminin uzaklık tanımını hatırlamak.

d(A, B) = \max \{ d(i, j) : i \in A, j \in B \}

formülü geçerlidir.

Yöntem, iki küme arasındaki uzaklığı, bu kümelerin elemanları arasındaki en büyük (maksimum) uzaklık olarak tanımlar.

Verilen uzaklıklar arasından en büyük değeri bulmak.

Verilen değerler

\{12, 18, 14, 9, 15, 22\}

şeklindedir.

\max(12, 18, 14, 9, 15, 22) = 22

bulunur.

Kümeler birleştirilirken aralarındaki en uzak mesafeli elemanlar (I2 ve I5) temel alınır.

Tam bağlantı yönteminin küme yapısına etkisini (geometrik eğilimini) belirlemek.

Yöntem zincirleme (chaining) etkisinden kaçınarak birbirine benzer çaptaki, sıkı (kompakt) ve küresel kümeler oluşturma eğilimindedir.

Kümeye yeni bir elemanın/kümenin katılması için mevcut kümedeki tüm elemanlara (en uzaktakine bile) yakın olması şartı aranır.

Key Concept

Tam Bağlantı Yönteminde Uzaklık Hesaplama ve Küme Geometrisi

Question 17Question →

Bir e-ticaret platformu, iki müşterisinin (X ve Y) sekiz farklı ürün kategorisindeki satın alma durumlarını "1: Satın aldı", "0: Satın almadı" olarak kodlamış ve aşağıdaki ikili (binary) vektörleri elde etmiştir:

X = [1, 1, 1, 1, 0, 0, 0, 0]

Y = [1, 1, 1, 0, 1, 0, 0, 0]

Bu iki müşteri arasındaki satın alma alışkanlığı benzerliği incelenirken, tüm durumları dikkate alan "Basit Eşleşme (Simple Matching) Katsayısı" ve her ikisinin de satın almadığı (0-0 eşleşmeleri) kategorileri dışlayan "Jaccard Benzerlik Katsayısı" ayrı ayrı hesaplanmıştır.

Buna göre, hesaplanan bu iki benzerlik katsayısı arasındaki farkın mutlak değeri kaçtır?

0,00

0,15

0,25

0,35

0,40

Show answer & explanation

Answer: $0,15$

Answer

İki benzerlik katsayısı arasındaki farkın mutlak değeri

0,15

'tir.

Verilen iki vektör incelendiğinde; her ikisinde de 1 olan özellik sayısı

a=3

, sadece X'te 1 olan

b=1

, sadece Y'de 1 olan

c=1

ve her ikisinde de 0 olan

d=3

olarak sayılır. Basit Eşleşme katsayısı

(a+d)/p

formülü ile

(3+3)/8 = 0,75

bulunur. 0-0 durumlarını dışlayan Jaccard katsayısı ise

a/(a+b+c)

formülü ile

3/5 = 0,60

hesaplanır. Bu iki benzerlik değeri arasındaki farkın mutlak değeri

|0,75 - 0,60| = 0,15

olarak elde edilir.

Step-by-Step Solution

Vektörlerdeki eşleşme ve eşleşmeme (a, b, c, d) frekanslarını belirle.

Her ikisinde de 1 olanlar (a) = 3, yalnızca X'te 1 olanlar (b) = 1, yalnızca Y'de 1 olanlar (c) = 1, her ikisinde de 0 olanlar (d) = 3 bulunur. Toplam değişken sayısı

p = 8

'dir.

İkili veri benzerlik katsayılarının tümü bu dört temel frekansa dayalı olarak hesaplanır.

Basit Eşleşme (Simple Matching) katsayısını hesapla.

S_{SM} = \frac{a+d}{a+b+c+d} = \frac{3+3}{8} = \frac{6}{8} = 0,75

olarak bulunur.

Basit eşleşme katsayısı, 0-0 eşleşmeleri dahil tüm ortak durumları toplam değişken sayısına oranlar.

Jaccard Benzerlik katsayısını hesapla.

S_J = \frac{a}{a+b+c} = \frac{3}{3+1+1} = \frac{3}{5} = 0,60

olarak bulunur.

Jaccard katsayısı, özelliğin her iki gözlemde de bulunmadığı (0-0) durumları analizin dışında tutar.

İki katsayı arasındaki farkın mutlak değerini bul.

|0,75 - 0,60| = 0,15

elde edilir.

Soruda hesaplanan iki benzerlik değerinin arasındaki mutlak fark istenmektedir.

Key Concept

İkili (Binary) Verilerde Benzerlik Ölçüleri

Question 18Question →

Bir gıda mühendisi, dört farklı zeytinyağı numunesini ( $Z_1, Z_2, Z_3, Z_4$ ) kimyasal özelliklerine ait Öklid uzaklıklarına göre hiyerarşik olarak kümelemek istemektedir. Numuneler arasındaki uzaklık matrisi aşağıda verilmiştir:

$Z_1$	$Z_2$	$Z_3$	$Z_4$
$Z_1$	$0$	$2$	$6$	$9$
$Z_2$	$2$	$0$	$3$	$7$
$Z_3$	$6$	$3$	$0$	$5$
$Z_4$	$9$	$7$	$5$	$0$

Analizde ilk adımda birbirine en yakın olan $Z_1$ ve $Z_2$ numuneleri birleştirilerek birinci küme olan $(Z_1, Z_2)$ oluşturulmuştur.

Araştırmacı kümeleme işlemine Tam Bağlantı (En Uzak Komşu) yöntemini kullanarak devam ettiğine göre, ikinci adımda gerçekleşecek birleşme işlemi ve birleşme uzaklık değeri aşağıdakilerden hangisidir?

Z_3

Z_4

numuneleri birleşir, uzaklık

5

olur.

(Z_1, Z_2)

kümesi ile

Z_3

numunesi birleşir, uzaklık

3

olur.

(Z_1, Z_2)

kümesi ile

Z_3

numunesi birleşir, uzaklık

4.5

olur.

(Z_1, Z_2)

kümesi ile

Z_3

numunesi birleşir, uzaklık

6

olur.

(Z_1, Z_2)

kümesi ile

Z_4

numunesi birleşir, uzaklık

9

olur.

Show answer & explanation

Answer: $Z_3$ ve $Z_4$ numuneleri birleşir, uzaklık $5$ olur.

Answer

İkinci adımda

Z_3

Z_4

numuneleri birleşir ve birleşme uzaklığı

5

olur.

Hiyerarşik kümeleme algoritmalarında ilk adım tamamlandıktan sonra güncellenmiş yeni bir uzaklık matrisi elde edilir. Tam Bağlantı (En Uzak Komşu) yönteminde

(Z_1, Z_2)

kümesinin

Z_3

'e olan uzaklığı

\max(6, 3) = 6

;

Z_4

'e olan uzaklığı ise

\max(9, 7) = 9

olarak hesaplanır.

Z_3

Z_4

arasındaki mevcut uzaklık ise

5

'tir. Yeni durumdaki potansiyel birleşme uzaklıkları

\{6, 9, 5\}

şeklindedir. Kümeleme prensibi gereği her zaman bu değerlerden en küçük olanı seçilerek yeni küme oluşturulur. Bu nedenle

Z_3

Z_4

numuneleri, en küçük uzaklık değeri olan

5

noktasında birleştirilir.

Step-by-Step Solution

İlk adımda birleşen

(Z_1, Z_2)

kümesinin diğer numunelere (

Z_3

Z_4

) olan uzaklıklarını Tam Bağlantı (Maksimum) yöntemine göre hesapla.

d_{(Z_1,Z_2), Z_3} = \max(d_{Z_1,Z_3}, d_{Z_2,Z_3}) = \max(6, 3) = 6

d_{(Z_1,Z_2), Z_4} = \max(d_{Z_1,Z_4}, d_{Z_2,Z_4}) = \max(9, 7) = 9

değerleri bulunur.

Tam Bağlantı (En Uzak Komşu) yönteminde, yeni oluşan bir kümenin dışarıdaki bir gözleme uzaklığı, küme içindeki elemanların o gözleme olan uzaklıklarının en büyüğü (maksimumu) olarak tanımlanır.

Daha önce birleşmemiş numuneler arasındaki uzaklığı kontrol et.

Z_3

Z_4

arasındaki uzaklık matristen okunur:

d_{Z_3,Z_4} = 5

Yeni adımda birleştirilecek en yakın çifti bulmak için matriste kalan tüm ikili uzaklıkların bilinmesi gerekir.

Elde edilen yeni uzaklık değerleri içerisinden en küçük olanı (minimum) seçerek ikinci birleşmeyi gerçekleştir.

Eldeki uzaklıklar (

6, 9, 5

) içerisindeki en küçük değer

5

'tir. Bu değer

Z_3

ile

Z_4

arasında olduğundan, bu iki numune

5

birim uzaklıkta birleşir.

Hiyerarşik kümeleme algoritmalarında uzaklık hesaplama yöntemi (Tam, Tek, Ortalama vb.) ne olursa olsun, her adımda birbirine en yakın olan (en küçük uzaklığa sahip) iki küme/gözlem birleştirilir.

Key Concept

Tam Bağlantı Yöntemiyle Hiyerarşik Kümelemede Uzaklık Matrisi Güncellemesi

Estimated Time:1m 30s

Question 19Question →

Bir endüstri mühendisi, üretim hattından çıkan parçaları iki temel kalite kriterine göre gruplamak amacıyla K-Ortalamalar (K-Means) algoritmasını kullanmaktadır. Bu kriterler; $X_1$ (mikron cinsinden yüzey pürüzlülüğü, varyansı $\sigma^2_1 = 4$ ) ve $X_2$ (Pascal cinsinden basınca dayanıklılık, varyansı $\sigma^2_2 = 1.6 \times 10^8$ ) olarak belirlenmiştir. Mühendis, analiz öncesinde veri setinde herhangi bir standardizasyon (ölçeklendirme) işlemi yapmadan, uzaklık ölçüsü olarak Öklid uzaklığını kullanarak algoritmayı çalıştırmıştır.

Bu durumun K-Ortalamalar algoritmasının optimizasyon süreci ve elde edilecek kümeler üzerindeki matematiksel etkisi aşağıdakilerden hangisinde doğru ifade edilmiştir?

Grup içi hata kareler toplamı (WCSS) minimize edilirken

X_2

değişkenindeki büyük sayısal farklar Öklid uzaklığını domine edeceğinden, algoritmik olarak

X_1

değişkeninin kümeleme yapısına katkısı neredeyse sıfırlanır ve kümeler temel olarak

X_2

ekseninde şekillenir.

Standardizasyon eksikliği, algoritmanın iterasyonlarında tek bağlantı (single linkage) prosedürünün baskın hale gelmesine neden olur ve zincirleme (chaining) etkisi yaratarak aykırı gözlemlerin tamamının uzun bir küme oluşturmasına yol açar.

Sürekli ve farklı ölçekli veri tipleri kullanıldığı için, algoritma her bir iterasyonda merkez (centroid) hesaplarken Öklid uzaklığı yerine veri tipine daha uygun olan kategorik benzerlik matrislerini kullanmak zorunda kalır.

X_1

X_2

arasındaki devasa varyans farkı, K-Ortalamalar analizinin temel varsayımı olan bağımlı hedef değişkenin varyans homojenliğini bozarak, analiz sonucunda elde edilecek sınıflandırma hata oranını geçersiz kılar.

Ölçek farklılıklarından kaynaklanan sapmalar, iterasyonlar sonucunda elde edilecek dendrogram grafiğindeki bağ mesafelerini yapay olarak uzatacağından, optimum küme sayısının belirlenmesi için kesim hattının daha alt seviyelerden çizilmesini gerektirir.

Show answer & explanation

Answer: Grup içi hata kareler toplamı (WCSS) minimize edilirken $X_2$ değişkenindeki büyük sayısal farklar Öklid uzaklığını domine edeceğinden, algoritmik olarak $X_1$ değişkeninin kümeleme yapısına katkısı neredeyse sıfırlanır ve kümeler temel olarak $X_2$ ekseninde şekillenir.

Answer

Standardize edilmemiş K-Ortalamalar uygulamasında büyük varyansa sahip değişkenin, uzaklık hesaplamasında diğer değişkeni baskılayıp kümeleri tamamen kendi ekseninde oluşturacağını belirten seçenek doğrudur.

K-Ortalamalar (K-Means) algoritması, gözlemlerin küme merkezlerine (centroid) atanmasında genellikle Öklid uzaklığını kullanır. Öklid uzaklığı formülü gereği, veri setindeki değişkenlerin farklı ölçüm birimlerine veya çok farklı varyanslara sahip olması durumunda, sayısal olarak büyük olan (büyük varyanslı) değişken toplam mesafe değerini domine eder. Soru senaryosunda

X_2

'nin varyansı

1.6 \times 10^8

X_1

'in varyansı ise

4

'tür. Bu durumda uzaklık hesaplamasında

X_1

'in değerleri matematiksel olarak bir gürültü seviyesine iner ve algoritma sadece Grup İçi Hata Kareler Toplamını (WCSS) minimize etmeye çalışırken tamamen

X_2

'nin sayısal farklılıklarına odaklanır. Bu nedenle, değişkenlerin standartlaştırılmaması

X_1

'in analizdeki ağırlığını yok eder.

Step-by-Step Solution

K-Ortalamalar algoritmasında mesafe ölçümü için kullanılan fonksiyonu tanımla.

Öklid uzaklığı,

d(i,j) = \sqrt{\sum_{k=1}^{p} (x_{ik} - x_{jk})^2}

formülü ile hesaplanır.

Uzaklık temelli algoritmaların değişken metriklerinden (ölçeklerinden) nasıl etkilendiğini görmek için fonksiyona odaklanmak gerekir.

Değişkenlerin varyansları arasındaki farkın formül üzerindeki etkisini incele.

X_2

değişkenindeki ortalama karesel farklar

10^8

mertebesindeyken,

X_1

değişkenindeki farklar tek haneli sayılar seviyesindedir.

Toplama işleminde devasa sayılar ile çok küçük sayıların bir araya gelmesi, küçük sayıların toplam üzerindeki marjinal etkisini sıfıra yaklaştırır.

Algoritmanın optimizasyon hedefi (Grup İçi Hata Kareler Toplamı - WCSS) açısından sonucu değerlendir.

WCSS minimize edilirken, iterasyonlar ve merkez (centroid) güncellemeleri yalnızca

X_2

eksenindeki varyansı daraltmaya odaklanacaktır.

X_1

değişkeninin örüntüsü küme oluşumunu etkileyemez.

Standartlaştırma (Z-skoru vb.) yapılmadığında, algoritma değişkenlerin taşıdığı istatistiksel bilgi değerini değil, salt sayısal büyüklüklerini dikkate alır.

Key Concept

K-Ortalamalar algoritmasında değişken ölçeklendirmesi ve Öklid uzaklığı geometrisi

Estimated Time:2m 30s

Question 20Question →

Bir bölge kalkınma ajansı, dört farklı yatırım sektörünün ( $S_1, S_2, S_3, S_4$ ) risk profillerini değerlendirmek için hiyerarşik kümeleme analizi uygulamaktadır. Bu sektörler arasındaki uzaklık matrisi aşağıdaki tabloda verilmiştir:

Sektör	$S_1$	$S_2$	$S_3$	$S_4$
$S_1$	$0$	$12$	$25$	$38$
$S_2$	$12$	$0$	$18$	$30$
$S_3$	$25$	$18$	$0$	$15$
$S_4$	$38$	$30$	$15$	$0$

Analizde tam bağlantı (en uzak komşu) yöntemi kullanılmaktadır. Algoritmanın ilk adımında birbirine en yakın iki sektör tek bir küme haline getirildiğine göre, bu yeni oluşan küme ile $S_3$ sektörü arasındaki uzaklık kaç birim olarak hesaplanır?

15

18

21.5

25

38

Show answer & explanation

Answer: $25$

Answer

Yeni küme ile

S_3

sektörü arasındaki uzaklık

25

birimdir.

Hiyerarşik kümeleme analizinde ilk adım, en küçük uzaklığa sahip olan

S_1

S_2

gözlemlerinin (uzaklık =

12

) birleştirilmesidir. Tam bağlantı (en uzak komşu) yönteminde, yeni oluşturulan kümenin dışarıdaki bir gözlemle (veya kümeyle) olan uzaklığı, ilgili elemanlar arasındaki maksimum uzaklık dikkate alınarak bulunur. Buna göre,

(S_1, S_2)

kümesi ile

S_3

arasındaki uzaklık

\max(d(S_1, S_3), d(S_2, S_3))

formülüyle hesaplanır. Tablodan değerler yerine konduğunda

\max(25, 18) = 25

birim olarak bulunur.

Step-by-Step Solution

Uzaklık matrisindeki en küçük değeri bularak ilk birleşecek kümeleri belirleme.

Matristeki en küçük değer

d(S_1, S_2) = 12

'dir. İlk adımda

S_1

S_2

birleşerek

(S_1, S_2)

kümesini oluşturur.

Hiyerarşik kümeleme algoritmaları her zaman aralarındaki uzaklık en az olan (en çok benzeyen) iki gözlemi veya kümeyi birleştirerek başlar.

Yeni oluşan

(S_1, S_2)

kümesi ile

S_3

sektörü arasındaki uzaklığı tam bağlantı yöntemine göre hesaplama.

d((S_1, S_2), S_3) = \max(d(S_1, S_3), d(S_2, S_3))

formülü uygulanır.

Tam bağlantı (en uzak komşu) yönteminde, iki küme arasındaki uzaklık, bu kümelerin elemanları arasındaki en büyük (maksimum) uzaklık olarak tanımlanır.

Matristeki karşılık gelen değerleri formülde yerine koyma.

\max(25, 18) = 25

değeri elde edilir.

Matristen

d(S_1, S_3) = 25

d(S_2, S_3) = 18

değerleri okunarak bu iki değerin maksimumu seçilir.

Key Concept

Tam Bağlantı (En Uzak Komşu) Yönteminde Uzaklık Hesaplaması

Estimated Time:1m 0s

Page 1 / 3Next

Kümeleme Analizi

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Alternative Method

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution