KMeans2D - 차트 함수

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.

KMeans2D는 데이터 포인트당 하나의 값을 반환합니다. 반환된 값은 이중 값이며 각 데이터 포인트가 할당된 클러스터에 해당하는 정수 값입니다.

구문:

KMeans2D(num_clusters, coordinate_1, coordinate_2 [, norm])

반환 데이터 유형: dual

인수:

인수
인수	설명
num_clusters	클러스터 수를 지정하는 정수입니다.
coordinate_1	첫 번째 좌표를 계산하는 집계는 일반적으로 차트로부터 만들 수 있는 스캐터 차트의 x 축입니다. 추가 매개 변수 coordinate_2는 두 번째 좌표를 계산합니다.
norm	선택적 정규화 방법이 KMeans 클러스터링 전에 데이터 집합에 적용됩니다. 가능한 값 : 정규화가 없는 경우 0 또는 '없음' z 점수 정규화의 경우 1 또는 'zscore' 최소-최대 정규화의 경우 2 또는 'minmax' 매개 변수가 제공되지 않거나 제공된 매개 변수가 잘못된 경우 정규화가 적용되지 않습니다. Z 점수는 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. 최소-최대 정규화는 각각의 최솟값과 최댓값을 가져오고 각 데이터 포인트를 다시 계산하여 특성이 동일한 척도를 갖도록 합니다.

이 예제에서는 Iris 데이터 집합을 사용하여 스캐터 차트를 만든 다음 KMeans를 사용하여 표현식으로 데이터에 색을 지정합니다.

또한 num_clusters 인수에 대한 변수를 만든 다음 변수 입력 상자를 사용하여 클러스터 수를 변경합니다.

Iris 데이터 집합은 다양한 형식으로 공개적으로 사용할 수 있습니다. Qlik Sense의 데이터 로드 편집기를 사용하여 로드할 데이터를 인라인 테이블로 제공했습니다. 이 예에서는 데이터 테이블에 Id 열을 추가했습니다.

Iris 데이터 집합: Qlik Sense에서 데이터 로드 편집기에 대한 인라인 로드

Qlik Sense에서 데이터 로드 후 다음을 수행합니다.

스캐터 차트를 새 시트로 끕니다. 차트의 이름을 꽃잎(표현식으로 색 지정)으로 지정합니다.
변수를 만들어 클러스터 수를 지정합니다. 변수 Name에 KmeansPetalClusters를 입력합니다. 변수 Definition에 =2를 입력합니다.
차트에 대한 데이터를 구성합니다.
1. 차원에서 거품 필드에 대해 id를 선택합니다. 레이블에 대해 클러스터 Id를 입력합니다.
2. 측정값에서 X 축 표현식에 대해 Sum([petal.length])를 선택합니다.
3. 측정값에서 Y 축 표현식에 대해 Sum([petal.width])를 선택합니다.
차트의 모양을 구성합니다.
1. 색 및 범례에서 색에 대해 사용자 지정을 선택합니다.
2. 표현식 기준으로 차트 색을 지정하도록 선택합니다.
3. 표현식에 대해 다음을 입력합니다. kmeans2d($(KmeansPetalClusters), Sum([petal.length]), Sum([petal.width]))
  KmeansPetalClusters는 2로 설정한 변수입니다.
  또는 다음을 입력합니다. kmeans2d(2, Sum([petal.length]), Sum([petal.width]))
4. 표현식은 색상 코드입니다 확인란을 선택 취소합니다.
5. 레이블에 대해 다음을 입력합니다. 클러스터 Id
클러스터 수에 대한 변수 입력 상자를 추가합니다.
1. 자산 패널의 사용자 지정 개체에서 Qlik 대시보드 번들을 선택합니다. 대시보드 번들에 액세스하지 않은 경우 생성한 변수를 사용하여 클러스터 수를 계속 변경하거나 표현식에서 직접 정수로 변경할 수 있습니다.
2. 변수 입력 상자를 시트로 끕니다.
3. 모양에서 일반을 클릭합니다.
4. 제목에 대해 다음을 입력합니다. 클러스터
5. 변수를 클릭합니다.
6. 이름에 대해 다음 변수를 선택합니다. KmeansPetalClusters.
7. 표시에 대해 슬라이더를 선택합니다.
8. 값을 선택하고 필요에 따라 설정을 구성합니다.

편집이 완료되면 Clusters 변수 입력 상자에서 슬라이더를 사용하여 클러스터 수를 변경할 수 있습니다.

꽃잎(표현식 기준 색 지정) 차트에서 표현식을 기준으로 색이 지정된 클러스터입니다. — 꽃잎(표현식 기준 색 지정) 차트에서 표현식을 기준으로 색이 지정된 클러스터

자동 클러스터링

KMeans 함수는 깊이 차(DeD)라는 방법을 사용하여 자동 클러스터링을 지원합니다. 사용자가 클러스터 수를 0으로 설정한 경우 해당 데이터 집합에 대한 최적의 클러스터 수가 결정됩니다. 클러스터 수의 정수(k)는 명시적으로 반환되지 않으며 KMeans 알고리즘 내에서 계산됩니다. 예를 들어 함수에서 0이 KmeansPetalClusters 값으로 지정되거나 변수 입력 상자를 통해 설정된 경우 최적의 클러스터 수를 기반으로 데이터 집합의 클러스터 할당이 자동으로 계산됩니다.

Kmeans 깊이 차 메서드는 최적의 클러스터 수를 결정합니다. — KMeans 깊이 차 메서드에 따라 (k)가 0으로 설정된 경우 최적의 클러스터 수가 결정됩니다.

Iris 데이터 집합: Qlik Sense에서 데이터 로드 편집기에 대한 인라인 로드

IrisData:
Load * Inline [
sepal.length, sepal.width, petal.length, petal.width, variety, id
5.1, 3.5, 1.4, 0.2, Setosa, 1
4.9, 3, 1.4, 0.2, Setosa, 2
4.7, 3.2, 1.3, 0.2, Setosa, 3
4.6, 3.1, 1.5, 0.2, Setosa, 4
5, 3.6, 1.4, 0.2, Setosa, 5
5.4, 3.9, 1.7, 0.4, Setosa, 6
4.6, 3.4, 1.4, 0.3, Setosa, 7
5, 3.4, 1.5, 0.2, Setosa, 8
4.4, 2.9, 1.4, 0.2, Setosa, 9
4.9, 3.1, 1.5, 0.1, Setosa, 10
5.4, 3.7, 1.5, 0.2, Setosa, 11
4.8, 3.4, 1.6, 0.2, Setosa, 12
4.8, 3, 1.4, 0.1, Setosa, 13
4.3, 3, 1.1, 0.1, Setosa, 14
5.8, 4, 1.2, 0.2, Setosa, 15
5.7, 4.4, 1.5, 0.4, Setosa, 16
5.4, 3.9, 1.3, 0.4, Setosa, 17
5.1, 3.5, 1.4, 0.3, Setosa, 18
5.7, 3.8, 1.7, 0.3, Setosa, 19
5.1, 3.8, 1.5, 0.3, Setosa, 20
5.4, 3.4, 1.7, 0.2, Setosa, 21
5.1, 3.7, 1.5, 0.4, Setosa, 22
4.6, 3.6, 1, 0.2, Setosa, 23
5.1, 3.3, 1.7, 0.5, Setosa, 24
4.8, 3.4, 1.9, 0.2, Setosa, 25
5, 3, 1.6, 0.2, Setosa, 26
5, 3.4, 1.6, 0.4, Setosa, 27
5.2, 3.5, 1.5, 0.2, Setosa, 28
5.2, 3.4, 1.4, 0.2, Setosa, 29
4.7, 3.2, 1.6, 0.2, Setosa, 30
4.8, 3.1, 1.6, 0.2, Setosa, 31
5.4, 3.4, 1.5, 0.4, Setosa, 32
5.2, 4.1, 1.5, 0.1, Setosa, 33
5.5, 4.2, 1.4, 0.2, Setosa, 34
4.9, 3.1, 1.5, 0.1, Setosa, 35
5, 3.2, 1.2, 0.2, Setosa, 36
5.5, 3.5, 1.3, 0.2, Setosa, 37
4.9, 3.1, 1.5, 0.1, Setosa, 38
4.4, 3, 1.3, 0.2, Setosa, 39
5.1, 3.4, 1.5, 0.2, Setosa, 40
5, 3.5, 1.3, 0.3, Setosa, 41
4.5, 2.3, 1.3, 0.3, Setosa, 42
4.4, 3.2, 1.3, 0.2, Setosa, 43
5, 3.5, 1.6, 0.6, Setosa, 44
5.1, 3.8, 1.9, 0.4, Setosa, 45
4.8, 3, 1.4, 0.3, Setosa, 46
5.1, 3.8, 1.6, 0.2, Setosa, 47
4.6, 3.2, 1.4, 0.2, Setosa, 48
5.3, 3.7, 1.5, 0.2, Setosa, 49
5, 3.3, 1.4, 0.2, Setosa, 50
7, 3.2, 4.7, 1.4, Versicolor, 51
6.4, 3.2, 4.5, 1.5, Versicolor, 52
6.9, 3.1, 4.9, 1.5, Versicolor, 53
5.5, 2.3, 4, 1.3, Versicolor, 54
6.5, 2.8, 4.6, 1.5, Versicolor, 55
5.7, 2.8, 4.5, 1.3, Versicolor, 56
6.3, 3.3, 4.7, 1.6, Versicolor, 57
4.9, 2.4, 3.3, 1, Versicolor, 58
6.6, 2.9, 4.6, 1.3, Versicolor, 59
5.2, 2.7, 3.9, 1.4, Versicolor, 60
5, 2, 3.5, 1, Versicolor, 61
5.9, 3, 4.2, 1.5, Versicolor, 62
6, 2.2, 4, 1, Versicolor, 63
6.1, 2.9, 4.7, 1.4, Versicolor, 64
5.6, 2.9, 3.6, 1.3, Versicolor, 65
6.7, 3.1, 4.4, 1.4, Versicolor, 66
5.6, 3, 4.5, 1.5, Versicolor, 67
5.8, 2.7, 4.1, 1, Versicolor, 68
6.2, 2.2, 4.5, 1.5, Versicolor, 69
5.6, 2.5, 3.9, 1.1, Versicolor, 70
5.9, 3.2, 4.8, 1.8, Versicolor, 71
6.1, 2.8, 4, 1.3, Versicolor, 72
6.3, 2.5, 4.9, 1.5, Versicolor, 73
6.1, 2.8, 4.7, 1.2, Versicolor, 74
6.4, 2.9, 4.3, 1.3, Versicolor, 75
6.6, 3, 4.4, 1.4, Versicolor, 76
6.8, 2.8, 4.8, 1.4, Versicolor, 77
6.7, 3, 5, 1.7, Versicolor, 78
6, 2.9, 4.5, 1.5, Versicolor, 79
5.7, 2.6, 3.5, 1, Versicolor, 80
5.5, 2.4, 3.8, 1.1, Versicolor, 81
5.5, 2.4, 3.7, 1, Versicolor, 82
5.8, 2.7, 3.9, 1.2, Versicolor, 83
6, 2.7, 5.1, 1.6, Versicolor, 84
5.4, 3, 4.5, 1.5, Versicolor, 85
6, 3.4, 4.5, 1.6, Versicolor, 86
6.7, 3.1, 4.7, 1.5, Versicolor, 87
6.3, 2.3, 4.4, 1.3, Versicolor, 88
5.6, 3, 4.1, 1.3, Versicolor, 89
5.5, 2.5, 4, 1.3, Versicolor, 90
5.5, 2.6, 4.4, 1.2, Versicolor, 91
6.1, 3, 4.6, 1.4, Versicolor, 92
5.8, 2.6, 4, 1.2, Versicolor, 93
5, 2.3, 3.3, 1, Versicolor, 94
5.6, 2.7, 4.2, 1.3, Versicolor, 95
5.7, 3, 4.2, 1.2, Versicolor, 96
5.7, 2.9, 4.2, 1.3, Versicolor, 97
6.2, 2.9, 4.3, 1.3, Versicolor, 98
5.1, 2.5, 3, 1.1, Versicolor, 99
5.7, 2.8, 4.1, 1.3, Versicolor, 100
6.3, 3.3, 6, 2.5, Virginica, 101
5.8, 2.7, 5.1, 1.9, Virginica, 102
7.1, 3, 5.9, 2.1, Virginica, 103
6.3, 2.9, 5.6, 1.8, Virginica, 104
6.5, 3, 5.8, 2.2, Virginica, 105
7.6, 3, 6.6, 2.1, Virginica, 106
4.9, 2.5, 4.5, 1.7, Virginica, 107
7.3, 2.9, 6.3, 1.8, Virginica, 108
6.7, 2.5, 5.8, 1.8, Virginica, 109
7.2, 3.6, 6.1, 2.5, Virginica, 110
6.5, 3.2, 5.1, 2, Virginica, 111
6.4, 2.7, 5.3, 1.9, Virginica, 112
6.8, 3, 5.5, 2.1, Virginica, 113
5.7, 2.5, 5, 2, Virginica, 114
5.8, 2.8, 5.1, 2.4, Virginica, 115
6.4, 3.2, 5.3, 2.3, Virginica, 116
6.5, 3, 5.5, 1.8, Virginica, 117
7.7, 3.8, 6.7, 2.2, Virginica, 118
7.7, 2.6, 6.9, 2.3, Virginica, 119
6, 2.2, 5, 1.5, Virginica, 120
6.9, 3.2, 5.7, 2.3, Virginica, 121
5.6, 2.8, 4.9, 2, Virginica, 122
7.7, 2.8, 6.7, 2, Virginica, 123
6.3, 2.7, 4.9, 1.8, Virginica, 124
6.7, 3.3, 5.7, 2.1, Virginica, 125
7.2, 3.2, 6, 1.8, Virginica, 126
6.2, 2.8, 4.8, 1.8, Virginica, 127
6.1, 3, 4.9, 1.8, Virginica, 128
6.4, 2.8, 5.6, 2.1, Virginica, 129
7.2, 3, 5.8, 1.6, Virginica, 130
7.4, 2.8, 6.1, 1.9, Virginica, 131
7.9, 3.8, 6.4, 2, Virginica, 132
6.4, 2.8, 5.6, 2.2, Virginica, 133
6.3, 2.8, 5.1, 1.5, Virginica, 134
6.1, 2.6, 5.6, 1.4, Virginica, 135
7.7, 3, 6.1, 2.3, Virginica, 136
6.3, 3.4, 5.6, 2.4, Virginica, 137
6.4, 3.1, 5.5, 1.8, Virginica, 138
6, 3, 4.8, 1.8, Virginica, 139
6.9, 3.1, 5.4, 2.1, Virginica, 140
6.7, 3.1, 5.6, 2.4, Virginica, 141
6.9, 3.1, 5.1, 2.3, Virginica, 142
5.8, 2.7, 5.1, 1.9, Virginica, 143
6.8, 3.2, 5.9, 2.3, Virginica, 144
6.7, 3.3, 5.7, 2.5, Virginica, 145
6.7, 3, 5.2, 2.3, Virginica, 146
6.3, 2.5, 5, 1.9, Virginica, 147
6.5, 3, 5.2, 2, Virginica, 148
6.2, 3.4, 5.4, 2.3, Virginica, 149
5.9, 3, 5.1, 1.8, Virginica, 150
];

이 페이지가 도움이 되었습니까?

이 페이지 또는 해당 콘텐츠에서 오타, 누락된 단계 또는 기술적 오류와 같은 문제를 발견하면 개선 방법을 알려 주십시오!

여기에 피드백을 남겨주십시오.