Przeskocz do zawartości głównej

KMeans2D — funkcja wykresu

KMeans2D() poddaje ocenie wiersze wykresu, stosując algorytm centroidów oraz wyświetlając dla każdego wiersza wykresu identyfikator klastra, do którego został przypisany ten punkt danych. Kolumny wykorzystywane przez algorytm grupowania są określane przez odpowiednio parametry coordinate_1 i coordinate_2. Oba te parametry są agregacjami. Liczba tworzonych klastrów jest określana przez parametr num_clusters. Dane można opcjonalnie znormalizować za pomocą parametru norm.

KMeans2D zwraca jedną wartość na punkt danych. Zwrócona wartość jest podwójna i stanowi wartość liczby całkowitej odpowiadającej klastrowi, do którego został przypisany każdy punkt danych.

Syntax:  

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

Return data type: dual

Arguments:  

Argumenty
Argument Opis
num_clusters Liczba całkowita określająca liczbę klastrów.
coordinate_1 Agregacja obliczająca pierwszą współrzędną, zwykle osi X wykresu punktowego, która może zostać utworzona z wykresu. Dodatkowy paramert, coordinate_2, oblicza drugą współrzędną.
norm

Opcjonalna metoda normalizacji stosowana do zestawów danych przed algorytmem centroidów.

Możliwe wartości:

0 lub „none” w przypadku braku normalizacji

1 lub „zscore” w przypadku normalizacji z-score

2 lub „minmax” dla normalizacji min.-maks.

Jeśli nie podano żadnego parametru lub jeśli podany parametr jest nieprawidłowy, żadna normalizacja nie jest stosowana.

Normalizacja z-score normalizuje dane w oparciu o średnią cechy i odchylenie standardowe. Normalizacja z-score nie gwarantuje, że każda cecha będzie mieć taką samą skalę, ale jest lepszym podejściem niż min.-maks. w przypadku wartości odstających.

Normalizacja min.-maks. zapewnia, że cechy mają tę samą skalę, biorąc minimalne i maksymalne wartości każdej z nich i przeliczając każdy punkt danych.