Uma proposta para a determinação do número de clusters

Abstract

Determinar o número k de grupos nos dados é um problema recorrente na análise de clusters. Neste trabalho, propomos um método para a estimação de k utilizando uma função multiobjetivo. Um algoritmo de agrupamento baseado em árvores geradoras mínimas (MST) é executado nos dados reais e em hipercubos simulados a partir de distribui- ções Uniformes utilizando uma adptação do conceito de cubic clustering criterion (CCC). As estatísticas de teste obtidas para k = 2; 3; :::n clusters são então comparadas e determina-se o valor mais adequado de k. Espera-se que soluções espúrias de agrupamento nos dados apresentem valores de estatísticas de teste próximos aos das simulações. Os testes iniciais do algoritmo indicam um bom funcionamento para dados com clusters elipsóides e alongados. A presença de outliers e de grupos anelares, por outro lado, di cultam seu funcionamento.