Zusammenfassung
Clusterverfahren sind Methoden, die Objekte zu Gruppen zusammenfassen. Diese Gruppen können auf unterschiedlicher Basis gebildet werden und basieren auf einem Distanzmaß zwischen Objekten bzw. zwischen Gruppen. Das Ziel dieser Verfahren ist es, bessere Einblicke in die Datenstruktur zu erhalten bzw. natürliche Gruppen in den Daten zu finden. Die Anwendungen in der Sozialversicherung gehen vom identifizieren homogener Patientengruppen bis zum Analysieren und Klassifizieren von Vertragspartnern wie Krankenanstalten oder niedergelassenen Ärzten. Die gefundenen Cluster bieten über die Einblicke in die Datenstruktur auch die Möglichkeit, Aussagen über mögliche Ausreißer zu treffen. In Jiang, Tseng und Su (2001) wird eine Möglichkeit betrachtet, Ausreißer über Clusterverfahren zu bestimmen. Zu diesem Zweck werden Ausreißer als jene Cluster definiert, die klein sind und weit genug entfernt von den verbleibenden Punkten liegen. Bevor wir das vorgeschlagene Zwei-Phasen Verfahren genauer betrachten, gehen wir auf die möglichen Clustermethoden k-means und hierarchisches Clustern ein.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ortner, T. (2015). Clusterverfahren. In: Multivariate statistische Analyse von Gesundheitsdaten österreichischer Sozialversicherungsträger. BestMasters. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-08396-0_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-08396-0_5
Published:
Publisher Name: Springer Spektrum, Wiesbaden
Print ISBN: 978-3-658-08395-3
Online ISBN: 978-3-658-08396-0
eBook Packages: Life Science and Basic Disciplines (German Language)