Trattamento del concetto di clustering a partire dalla definizione di misure di similarità e criteri valutativi

Con la presente tesi ci si poneva l’obbiettivo di studiare lo stato dell’arte riguardo al tema degli algoritmi di clustering; principalmente su dati non categorizzati. A tal fine sono stati analizzate prima le tematiche riguardanti misure di similarità e criteri valutativi, ponendo esempi sia per dati di tipo numerico che per dati categorizzati; questi risultano essere temi paralleli al più centrale tema proposto, ma restano argomenti fondamentali al fine della comprensione del funzionamento degli algoritmi di clustering. Successivamente è stata portata avanti una disamina sulla tematica principale, ovvero sul tema degli algoritmi veri e propri, trattando in primo luogo le famiglie principali, ossia il clustering gerarchico e la controparte partizionale, per queste distinzioni è stato sfruttato l’articolo1; per poi elencare anche metodi alternativi; spesso più specifici ma non meno importanti; infine è stata inserita una breve rappresentazione di alcuni potenziali utilizzi di questi algoritmi, sia in ambito di ricerca che in ambito aziendale.