Poboljšanje rezultata hijerarhijskog grupiranja podataka primjerenijim tretiranjem tipova podataka i prilagodbom mjere udaljenosti

Hierarchical clustering method is used to assign observations into clusters further connected to form a hierarchical structure. Observations in the same cluster are close together according to the predetermined distance measure, while observations belonging to different clusters are afar. This paper presents an implementation of specific distance measure used to calculate distances between observations which are described by a mixture of variable types. Data mining tool ‘Orange’ was used for implementation, testing, data processing and result visualization. Finally, a comparison was made between results obtained by using already available widget and the output of newly programmed widget which employs new variable types and new distance measure. The comparison was made on different well-known datasets.Hijerarhijsko grupiranje se koristi za grupiranje objekata promatranja u grupe koje se dalje pripajaju te tako tvore hijerarhijsku strukturu. Prema odabranoj mjeri udaljenosti instance koje pripadaju istoj grupi su ’blizu’ dok su instance koje pripadaju različitim grupama ’udaljenije’. U ovom članku prikazana je implementacija specifične mjere udaljenosti koja se koristi za izračun udaljenosti izme.u instanci koje su opisane atributima različitih tipova podataka. Alat za dubinsku analizu podataka ’Orange’ je odabran za implementaciju, testiranje, obradu podataka te vizualizaciju rezultata. članak uz opis specifikacije novih varijabli te mjere udaljenosti tako.er daje usporedbu rezultata dobivenih otprije poznatim modulom i novim modulom koji koristi nove tipove podataka i novu mjeru udaljenosti. Usporedba je napravljena nad različitim poznatim skupovima podataka