Du skal bruke kredittkortkundedata. Før du klynger dataene, bør du følge disse trinnene:

1. Last inn dataene: bruk pandas for å laste inn CSV-filen;

2. Håndter manglende verdier: om nødvendig, imputer eller fjern rader med manglende data;

3. Skalering av variabler: bruk StandardScaler for å skalere variablene. Dette er viktig fordi hierarkisk klynging benytter avstandsberegninger;

4. Dimensjonsreduksjon (PCA): bruk hovedkomponentanalyse (PCA) for å redusere dataene til to dimensjoner. Dette gjør det enklere å visualisere klyngene.

Tolkning av dendrogram

Først bør du analysere dendrogrammet for å bestemme et passende antall klynger. Se etter store vertikale avstander som ikke krysses av noen utvidede horisontale linjer.

Deretter kan du plotte datapunktene etter PCA, og fargelegge dem i henhold til klyngeetikettene som oppnås ved å kutte dendrogrammet på valgt høyde.

Til slutt bør du undersøke egenskapene til de resulterende klyngene. Det anbefales å se på gjennomsnittsverdiene for de opprinnelige variablene (før PCA) for hver klynge for å forstå hvordan klyngene skiller seg fra hverandre.

Konklusjon

Hierarkisk klyngeanalyse er en kraftig teknikk når du ikke ønsker å forhåndsdefinere antall klynger eller når du trenger å forstå de hierarkiske relasjonene mellom datapunkter. Metoden kan imidlertid være beregningsmessig krevende for svært store datasett, og valg av riktig koblingsmetode og optimalt antall klynger krever nøye vurdering og innebærer ofte en kombinasjon av kvantitative metoder og fagkunnskap.