KMeansCentroidND() poddaje ocenie wiersze wykresu, stosując algorytm centroidów oraz wyświetlając dla każdego wiersza wykresu oczekiwaną współrzędną klastra, do którego został przypisany ten punkt danych. Kolumny wykorzystywane przez algorytm grupowania są określone przez odpowiednio parametry coordinate_1, coordinate_2 itd., aż do n kolumn. Wszystkie te parametry są agregacjami. Liczba tworzonych klastrów jest określana przez parametr num_clusters.
KMeansCentroidND zwraca jedną wartość na wiersz. Zwrócona wartość jest podwójna i stanowi jedną ze współrzędnych pozycji odpowiadającej centrum klastra, do którego został przypisany punkt danych.
Składnia:
KMeansCentroidND((num_clusters, num_iter, coordinate_no, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])
Typ zwracanych danych: podwójny
Argumenty:
| Argument | Opis |
|---|---|
| num_clusters | Liczba całkowita określająca liczbę klastrów. |
| num_iter | Liczba iteracji grupowania z ponownie inicjalizowanymi centrami klastrów. |
| coordinate_no | Oczekiwana liczba współrzędnych centroidów (np. odpowiednio do osi x, y lub z). |
| coordinate_1 | Agregacja obliczająca pierwszą współrzędną, zwykle osi X (wykresu punktowego, która może zostać utworzona z wykresu). Dodatkowe parametry obliczają kolejne współrzędne. |
Automatyczne klastrowanie
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.
