La presente analisi mira a raggruppare le persone in famiglie senza che le famiglie fossero state definite in anticipo.
Zona 1 : il metodo e le sue opzioni.
⇒ K-means : per le famiglie di dimensioni simili, occorre indicarne il numero; ;
⇒ Divisione binaria : divide la nuvola in due parti, una dopo l'altra; ;
⇒ Miscele gaussiane : accetta famiglie di forme e dispersioni diverse; ;
⇒ DBSCAN : calcola autonomamente il numero di famiglie e sa tralasciare alcuni elementi. Regolato da Epsilon (il raggio di vicinato) e Punteggio minimo.
Numero di cluster (K) stabilisce il numero di famiglie per i primi tre metodi. Valore iniziale garantisce la riproducibilità del risultato da un calcolo all’altro.
Zona 2 : la nuvola nel’Spazio delle componenti principali (ACP), in 2D o 3D, un colore per gruppo.
Zona 3 : per ogni variabile, un test che risponda alla domanda «questa variabile distingue effettivamente i gruppi?» — un test di Fisher e un test di Kruskal-Wallis, con le relative conclusioni contrassegnate a colori da “molto significativo” a “non significativo”.
💡 È la Zona 3 a confermare la classificazione. Gruppi ben distinti sullo schermo, ma per i quali nessuna variabile è significativa, non hanno alcun senso dal punto di vista operativo: la suddivisione esiste sul grafico, non nei dati.
💡 La stessa classificazione è disponibile direttamente nella mappa dell'ACP, nella casella «Classificazione non supervisionata (K-Means)». Il numero visualizzato accanto a ciascun punto è quello della sua famiglia.