# KMeansND — funkcja wykresu

KMeansND() 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 określone przez odpowiednio parametry coordinate\_1 i coordinate\_2 itd., aż do n kolumn. Wszystkie te parametry są agregacjami. Liczba tworzonych klastrów jest określana przez parametr num\_clusters.

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

Składnia:

KMeansND(num\_clusters, num\_iter, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

Typ zwracanych danych: wartość podwójna

Argumenty:

Argumenty

| Argument | Opis |
| --- | --- |
| num\_clusters | Liczba całkowita określająca liczbę klastrów. |
| num\_iter | Liczba iteracji grupowania z ponownie inicjalizowanymi centrami klastrów. |
| coordinate\_1 | Agregacja obliczająca pierwszą współrzędną, zwykle osi X (wykresu punktowego, która może zostać utworzona z wykresu). Dodatkowe parametry obliczają kolejne współrzędne. |

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansND.htm)

#### Przykład: wyrażenie wykresu

W tym przykładzie ukazane jest tworzenie wykresu punktowego z użyciem zestawu danych Iris, a następnie wykorzystanie KMeans do kolorowania danych według wyrażenia.

Można także utworzyć argument num\_clusters, a następnie użyć pola wprowadzania zmiennej, aby zmienić liczbę klastrów.

Dodatkowo można utworzyć zmienną dla argumentu num\_iter, a następnie użyć drugiego pola wprowadzania zmiennej, aby zmienić liczbę iteracji.

Zestaw danych Iris jest ogólnodostępny w różnorodnych formatach. Zapewniono dane w formie wbudowanej tabeli do ładowania z użyciem edytora ładowania danych w Qlik Sense. Należy zauważyć, że w tym przykładzie do tabeli danych dodano identyfikator kolumny.

[Zestaw danych Iris: wbudowane ładowanie dla edytora ładowania danych w Qlik Sense](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansND.htm#IrisData)

Po załadowaniu danych w Qlik Sense należy podjąć następujące kroki:

1. Przeciągnij wykres punktowy do nowego arkusza. Nazwij wykres Petal (kolor według wyrażenia).
2. Utwórz zmienną, aby określić liczbę klastrów. Dla zmiennej Nazwa wprowadź KmeansPetalClusters. Dla zmiennej Definicja wprowadź =2.
3. Utwórz zmienną, aby określić liczbę iteracji. Dla zmiennej Nazwa wprowadź KMeansNumberIterations. Dla zmiennej Definicja wprowadź =1.
4. Skonfiguruj opcję Dane dla wykresu:
   1. Pod obszarem Wymiary wybierz identyfikator dla pola Bąbelek. Wprowadź identyfikator klastra dla Etykiety.

   2. Pod obszarem Miary wybierz Sum([petal.length]) dla wyrażenia Oś X.

   3. Pod obszarem Miary wybierz Sum([petal.width]) dla wyrażenia Oś Y.

      Ustawienia danych dla wykresu Petal (kolor według wyrażenia)

      Ustawienia danych dla wykresu Petal (kolor według wyrażenia)

      Ustawienia danych dla wykresu Petal (kolor według wyrażenia)Petal (kolor według wyrażenia)![Configure Data for Petal (color by expression) chart](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansData.png)

      Punkty danych są naniesione na wykres.

      Punkty danych na wykresie Petal (kolor według wyrażenia)

      Punkty danych na wykresie Petal (kolor według wyrażenia)

      Punkty danych na wykresie Petal (kolor według wyrażenia)Petal (kolor według wyrażenia)![Data points on Petal (color by expression) chart.](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansChartDataPoints.png)
5. Skonfiguruj opcję Wygląd dla wykresu:
   1. W opcji Kolory i legenda wybierz wartość Niestandardowe dla Kolorów.

   2. Wybierz opcję kolorowania wykresu Według wyrażenia.

   3. Wprowadź następujące Wyrażenie: kmeansnd($(KmeansPetalClusters),$(KmeansNumberIterations), Sum([petal.length]), Sum([petal.width]),Sum([sepal.length]), Sum([sepal.width]))

      Należy zauważyć, że wartość KmeansPetalClusters jest zmienną ustawianą na 2. KmeansNumberIterations jest zmienną ustawioną na 1.

      Alternatywnie wprowadź następującą wartość: kmeansnd(2, 2, Sum([petal.length]), Sum([petal.width]),Sum([sepal.length]), Sum([sepal.width]))

   4. Usuń zaznaczenie pola wyboru Wyrażenie jest kodem koloru.

   5. Wprowadź następujące wartości Etykieta: Identyfikator klastra

      Ustawienia wyglądu dla wykresu Petal (kolor według wyrażenia)

      Ustawienia wyglądu dla wykresu Petal (kolor według wyrażenia)

      Ustawienia wyglądu dla wykresu Petal (kolor według wyrażenia)Petal (kolor według wyrażenia)![Wygląd dla wykresu Petal (kolor według wyrażenia)](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansAppearanceND_269x1115.png)

      Dwa klastry na wykresie są pokolorowane według wyrażenia KMeans.

      Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)

      Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)

      Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)Petal (kolor według wyrażenia)![Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia).](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansChartColorByExpressionND.png)
6. Dodaj pole Wprowadzanie zmiennej dla liczby klastrów.
   1. W panelu Zasoby otwórz Wykresy.

   2. W sekcji Obiekty pulpitu nawigacyjnego przeciągnij pole Zmienna wejściowa na arkusz.

      Gdybyśmy nie mieli dostępu do wiązać pulpitu nawigacyjnego, nadal moglibyśmy zmienić liczbę klastrów, używając zmiennej, którą utworzyliśmy, lub bezpośrednio jako liczbę całkowitą w wyrażeniu.

   3. W sekcji Wygląd kliknij Ogólne.

   4. Wprowadź następujące dane dla Tytuł: Klastry

   5. Kliknij Zmienna.

   6. Wybierz następującą zmienną dla Nazwa: KmeansPetalClusters.

   7. Wybierz Suwak dla Pokaż jako.

   8. Wybierz Wartości i skonfiguruj ustawienia zgodnie z wymaganiami,

      Wygląd dla Klastrów pola wprowadzania zmiennej

      Wygląd dla Klastrów pola wprowadzania zmiennej

      Wygląd dla KlastrówKlastrów pola wprowadzania zmiennej ![Wygląd dla klastrów pola wprowadzania zmiennej](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansVariableInputBox.png)
7. Dodaj pole Wprowadzanie zmiennych dla liczby iteracji.
   1. Przeciągnij pole Wprowadzanie zmiennych do arkusza.
   2. Pod obszarem Wygląd wybierz Ogólne.
   3. Dla obszaru Tytuł wprowadź następujące dane: Iteracje
   4. Pod obszarem Wygląd wybierz Zmienna.
   5. Wybierz następującą zmienną pod obszarem Nazwa: KmeansNumberIterations.
   6. Skonfiguruj dodatkowe ustawienia zgodnie z wymaganiami

   Teraz można zmienić liczbę klastrów i iteracji z użyciem suwaków w polach wprowadzania zmiennych.

   Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)

   Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)

   Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia)Petal (kolor według wyrażenia) ![Klastry pokolorowane według wyrażenia na wykresie Petal (kolor według wyrażenia).](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansChartColorByExpressionVariableChangeND.png)

Automatyczne grupowanie

Funkcje KMeans obsługują automatyczne grupowanie za pomocą metody zwanej różnicą głębokości (DeD). Gdy użytkownik ustawia liczbę klastrów na 0, określana jest optymalna liczba klastrów dla tego zestawu danych. Należy zauważyć, że liczba całkowita dla liczby klastrów (k) nie jest wyraźnie zwracana, ale obliczana w ramach algorytmu KMeans. Na przykład jeśli 0 jest określone w funkcji dla wartości KmeansPetalClusters lub ustalone poprzez pole wprowadzania zmiennych, przypisania klastrów są automatyczne obliczane dla zestawu danych opartego na optymalnej liczbie klastrów. Biorąc pod uwagę zestaw danych Iris, jeśli jako liczbę klastrów wybrano 0, algorytm określi (automatycznie pogrupuje) optymalną liczbę klastrów (3) dla tego zestawu danych.

Metoda różnicy głębokości KMeans określa optymalną liczbę klastrów, gdy (k) ma wartość 0.

Metoda różnicy głębokości KMeans określa optymalną liczbę klastrów, gdy (k) ma wartość 0.

Metoda różnicy głębokości KMeans określa optymalną liczbę klastrów, gdy (k) ma wartość 0. ![Metoda różnicy głębokości Kmeans określa optymalną liczbę klastrów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_KmeansNdDed.png)

#### Zestaw danych Iris: wbudowane ładowanie dla edytora ładowania danych w Qlik Sense

```
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
];
```