Dieser Grundkurs vermittelt den Lernenden das konzeptionelle Wissen und die praktischen Fähigkeiten, die für die Durchführung von Clusteranalysen - einer wesentlichen Technik des unüberwachten maschinellen Lernens - mit SPSS erforderlich sind. Durch eine Mischung aus theoretischer Erkundung und praktischer Umsetzung werden die Teilnehmer die wichtigsten Clustering-Methoden definieren, differenzieren, anwenden und bewerten, einschließlich hierarchischer Methoden, k-Means-Clustering und Two-Step-Clusteranalyse. In Modul 1 werden die Teilnehmer die grundlegenden Konzepte der Clusteranalyse untersuchen, verstehen, wie verschiedene Clustering-Algorithmen funktionieren, und ihre jeweiligen Stärken durch anschauliche Beispiele und Vergleiche erkunden. Der Schwerpunkt liegt auf der Entwicklung der Fähigkeit, geeignete Anwendungsfälle zu identifizieren und Clustering-Strukturen wie Dendrogramme und Scree Plots zu interpretieren. In Modul 2 werden die Lernenden Clustering-Techniken in SPSS implementieren, einschließlich Vorverarbeitungsstrategien wie die listenweise und paarweise Löschung. Der Schwerpunkt des Moduls liegt auf der Analyse und Bewertung von Clustering-Ergebnissen, dem Verständnis statistischer Modellkriterien (z. B. BIC/AIC) und der Verwendung von Diagnosewerkzeugen wie dem Silhouettenkoeffizienten zur Validierung der Cluster-Qualität. Am Ende dieses Kurses sind die Lernenden in der Lage, Clustering-Techniken auf reale Datensätze anzuwenden, Ergebnisse kritisch zu analysieren und fundierte Entscheidungen bei Datensegmentierungsaufgaben mit SPSS zu treffen.