KI News: Kurz und klar.

In der Clusteranalyse von realen Datensätzen sind kategoriale Attribute allgegenwärtig. Anders als numerische Werte, für die der euklidische Abstand definiert ist, fehlt bei kategorialen Attributen eine klare Beziehung zwischen den möglichen Kategorien. Das erschwert die Entdeckung kompakter Cluster.

In der Cluster‑Analyse kategorialer Daten ist die Wahl des Distanzmaßes entscheidend, weil die Abstände zwischen Attributwerten nicht direkt berechnet werden können. Traditionelle Verfahren berücksichtigen dabei jedoch nicht, dass die Verteilungen der Attribute in unterschiedlichen Clustern variieren. Das führt zu ungenauen Distanzmessungen und schlechteren Clustering‑Ergebnissen.