Clustering (K-means) analyse
Toon clusters van metingen die zijn gekoppeld aan een dimensie met behulp van een statistisch algoritme.
Clustering (K-means) clustert gegevenspunten op basis van overeenkomsten van 2 metingen in een dimensie met behulp van een machine-learning k-means algoritme.
Clustering (K-means) analyse maken
Doe het volgende:
-
Klik in Bedrijfsmiddelen op Analyse.
-
Sleep Clustering (K-means) naar het werkblad.
-
Klik op Dimensie toevoegen en selecteer een dimensie.
-
Klik op Meting toevoegen en selecteer een meting.
-
Klik op Meting toevoegen en selecteer een tweede meting.
-
Ga als volgt te werk om de clusters aan te passen:
-
In het eigenschappenvenster, in Analyse-eigenschappen, wijzigt u Clusters van Automatisch in Aangepast.
-
Na Aantal clusters wijzigt u de schuifregelaar om de clusters in te stellen.
-
Selecteer na Normalisatie-algoritme het algoritme dat u wilt gebruiken. De volgende zijn beschikbaar:
-
zscore: de Z-score normalisatie normaliseert gegevens op basis van het gemiddelde en de standaardafwijking. De Z-score zorgt er niet voor dat elke functie dezelfde schaal toebedeeld krijgt, maar het is een betere manier om aan te gaan met uitschieters dan de min-max-methode.
-
minmax: de min-max normalisatie zorgt ervoor dat functies dezelfde schaal toebedeeld krijgen door gebruik te maken van de minimum- en maximumwaarden van elk gegevenspunt en door elk gegevenspunt opnieuw te berekenen.
-
geen: geen normalisatie.
-
-
-
Optioneel, om een analyseperiode toe te voegen, doet u het volgende:
-
Schakel in het eigenschappenvenster, onder Analyse-eigenschappen, de Analyseperiode in.
-
Selecteer onder Kalenderperiode de kalenderperiode die u wilt gebruiken.
-
Selecteer onder Periode een specifieke periode om te gebruiken.
InformatieAnalyseperioden vereisen kalenderperioden in het logische model. Ga voor meer informatie naar Analyseperioden definiëren met behulp van kalenderperioden. -
-
Pas optioneel in het eigenschappenvenster, onder Uiterlijk, het uiterlijk van de analyse aan.