클러스터링(k-평균) 분석

통계 알고리즘을 사용하여 차원과 연결된 측정값 클러스터를 보여 줍니다.

클러스터링(k-평균)은 기계 학습 k-평균 알고리즘을 사용하여 차원에 대해 두 측정값의 유사성을 기준으로 집계된 데이터 포인트를 클러스터링합니다.

클러스터링(k-평균) 분석 만들기

다음과 같이 하십시오.

1. 자산에서 분석을 클릭합니다.

2. 클러스터링(k-평균)을 시트로 끌어서 놓습니다.

3. 차원 추가를 클릭하고 차원을 선택합니다.

4. 측정값 추가를 클릭하고 측정값을 선택합니다.

5. 측정값 추가를 클릭하고 두 번째 측정값 항목을 선택합니다.

6. 클러스터를 사용자 지정하려면 다음을 수행하는 것이 가장 좋습니다.

   1. 속성 패널의 분석 속성에서 클러스터를 자동에서 사용자 지정으로 변경합니다.

   2. 클러스터 수 다음에 있는 슬라이더를 조정하여 클러스터를 설정합니다.

   3. 정규화 알고리즘 다음에 있는 사용할 알고리즘을 선택합니다. 다음 항목을 사용할 수 있습니다.

      • zscore: Z 점수 정규화는 기능 평균과 표준 편차를 기준으로 데이터를 정규화합니다. Z 점수는 각 기능이 동일한 척도를 갖도록 하지 않지만 이상값을 처리할 때 최소-최대보다 더 나은 접근 방식입니다.

      • minmax: 최소-최대 정규화는 각각의 최솟값과 최댓값을 가져오고 각 데이터 포인트를 다시 계산하여 특성이 동일한 척도를 갖도록 합니다.

      • none: 정규화되지 않음.

7. 선택적으로 분석 기간을 추가하려면 다음을 수행합니다.

   1. 속성 패널의 분석 속성에서 분석 기간을 켭니다.

   2. 캘린더 기간에서 사용할 캘린더 기간을 선택합니다.

   3. 기간에서 사용할 특정 기간을 선택합니다.

   정보 메모분석 기간에는 논리 모델에 캘린더 기간이 필요합니다. 자세한 내용은 캘린더 기간으로 분석 기간 정의을 참조하십시오.

8. 선택적으로 속성 패널의 모양에서 분석 모양을 조정합니다.