Fuzzy y overlapping clustering

La mayoría de los algoritmos están programados para en todos los casos asignar a los individuos en tan solo un cluster. La idea básica en fuzzy o overlapping clustering es permitir a los individuos ser asignados a más de un clúster. Actualmente, no hay software que soporte este procedimiento, y parece que tampoco tenga tanto cuerpo como para que haya necesidad para ello.

Pensemos en una situación donde ponemos una situación de trade-off en frente a una pregunta sobre preferencias de cerveza en diferentes situaciones (en una situación social de trabajo o en el bar con los amigos).

Los atributos que preguntamos y los niveles de consumo son idénticos, pero el perfil de los respondientes puede variar según en qué situación se encuentren. Si derivamos importancias para cada atributo para cada una de las situaciones planteadas seguramente obtendremos dos tipos diferentes de importancia derivada de cada respondiente.

No hay razón por la que no puedas entender las dos importancias derivadas de estos respondientes dentro de una rutina estándar de clusterización. El mismo respondiente puede, entonces, aparecer en dos clústers diferentes, dependiendo de las preferencias según el planteamiento ocasional.