Analys av Klustring (k-medelvärde)

Visa kluster med mått kopplade till en dimension med hjälp av en statistisk algoritm.

Klustring (k-medelvärde) klustrar datapunkter som har aggregerats utifrån likheter från två mätningar över en dimension med hjälp av en k-medel-algoritm för maskininlärning.

Skapa analys av klustring (k-medelvärde)

Gör följande:

1. Klicka på Analys i Tillgångar.

2. Dra och släpp Klustring (k-medelvärden) till arket.

3. Klicka på Lägg till dimension och välj en dimension.

4. Klicka på Lägg till mått och välj ett mått.

5. Klicka på Lägg till mått och välj ett andra mått.

6. För att anpassa klustren optimalt gör du följande:

   1. Under Analysegenskaper i egenskapspanelen ändrar du inställningen för Kluster från Auto till Anpassa.

   2. Efter Antal kluster, justera skjutreglaget för att ställa in klustren.

   3. Efter Normaliseringsalgoritm, välj den algoritm som ska användas. Följande är tillgängliga:

      • zscore: z-poängsnormalisering normaliserar data baserat på funktionens medelvärde och standardavvikelse. Z-poäng säkerställer inte att varje funktion har samma skala men det fungerar bättre än min-max för behandling av outliers.

      • minmax: min-max-normalisering säkerställer att funktionerna har samma skala genom att ta de minsta och största värdena för varje och räkna om varje datapunkt.

      • inget: ingen normalisering.

7. För att lägga till en analysperiod kan du göra något av följande:

   1. I egenskapspanelen, under Analysegenskaper, aktiverar du Analysperiod.

   2. Under Kalenderperiod väljer du den kalenderperiod som ska användas.

   3. Under Period väljer du en specifik period att använda.

   Anteckning om informationAnalysperioder kräver kalenderperioder i den logiska modellen. Mer information finns i Definiera analysperioder med kalenderperioder.

8. Det går också att justera utseendet på analysen under Utseende i egenskapspanelen.