聚合（K-均值）分析

使用统计算法显示与维度关联的度量集群。

Clustering (k-means) 使用机器学习 k-均值算法，在一个维度上通过两个度量的相似性聚集群集数据点。

创建聚合（K-均值）分析

执行以下操作：

1. 在资产中，单击分析。

2. 将聚合（K-均值）拖放到工作表中。

3. 单击添加维度，然后选择一个维度。

4. 单击添加度量并选择度量。

5. 单击添加度量并选择第二个度量。

6. 要自定义群集，请执行以下操作：

   1. 在属性面板的分析属性中，将群集从自动更改为自定义。

   2. 在群集数之后，调整滑块以设置群集。

   3. 在归一化算法之后，选择要使用的算法。可提供以下内容：

      • zscore：Z-score 标准化基于特性均值和标准差对数据进行标准化。Z-score 并不能保证每个特征具有相同的尺度，但在处理异常值时，它是一种比 min-max 更好的方法。

      • minmax：Min-max 规范化通过获取每个数据点的最小值和最大值并重新计算每个数据点，确保特征具有相同的比例。

      • 无：不进行标准化

7. （可选）要添加分析期间，请执行以下操作：

   1. 在属性面板的分析属性下，启用分析期间。

   2. 在日历期间下，选择要使用的日历期间。

   3. 在期间下，选择要使用的特定期间。

   信息注释分析期间需要逻辑模型中的日历期间。有关更多信息，请参阅通过日历期间定义分析期间。

8. （可选）在属性面板的外观下，调整分析的外观。