KMeans2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.
KMeansND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.
KMeansCentroid2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.
KMeansCentroidND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.
STL_Trend는 시계열 분해 함수입니다. STL_Seasonal 및 STL_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL_Trend 함수는 시계열 데이터에서 계절성 패턴이나 주기와 관계없이 일반적인 추세를 식별합니다.
STL_Seasonal은 시계열 분해 함수입니다. STL_Trend 및 STL_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL_Seasonal 함수는 시계열 내에서 계절성 패턴을 식별하여 데이터에 표시되는 일반적인 추세와 구분할 수 있습니다.
STL_Residual은 시계열 분해 함수입니다. STL_Seasonal 및 STL_Trend와 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. 이 작업을 수행할 때 입력 메트릭의 변동 중 일부는 계절성 구성 요소나 추세 구성 요소에 맞지 않으며 잔여 구성 요소로 정의됩니다. STL_Residual 차트 함수는 계산의 이 부분을 캡처합니다.