Immagina un insieme di dati distribuiti casualmente in un'area quadrata. (Entrambe le coordinate xey sono variabili casuali uniformi.) L'unico raggruppamento o raggruppamento è dovuto alla casualità. Ora immagina che l'ipotesi alternativa Ha sia che i dati vengano raggruppati nel tempo. Gli stessi dati in una settimana sembrano essere più raggruppati, almeno visivamente. Come posso misurare il grado di clustering, dove zero sarebbe un cluster diverso dalla casualità e 1 sarebbero tutti i punti di dati che si spostano nella stessa posizione? Da qualche parte nel mezzo ci sarebbero cluster più piccoli in cui i dati tendono a vagare e raggrupparsi in diversi cluster.
Posso eseguire un cluster K Keans utilizzando un intervallo di cluster per ciascun set di dati e scegliere il cluster NC (numero di cluster) con il miglior criterio di clustering cubico (CCC), dove valori più grandi di CCC indicano un adattamento migliore. Posso quindi confrontare il numero di cluster, osservando che i dati casuali hanno più cluster, ma più piccoli. Sembra che ci sia un approccio statisticamente più valido per confrontare il grado di clustering, motivo per cui sto raggiungendo questa comunità piena di persone molto più intelligenti di me!
