<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />시뮬레이션과 실제 데이터 모두 시간 경과에 따라 절대 값이 비슷하지만 동작 모드 측면에서 유사한 시계열을 식별하는 것이 큰 가치가 있습니다. 예를 들어, 이는 입력 변경에 따라 시스템의 동작이 급격하게 변경된시기를 식별하는 데 도움이 될 수 있습니다. JMP는 매우 유용한 클러스터링 기법을 제공하지만, 시계열 데이터에 대해서는 특별히 알고 있지 않습니다.
누구도 JMP에서 시계열 데이터를 클러스터하기 위해 스크립트 또는 플러그인을 개발하려하지 않았습니까? 나는 그러한 패키지가 R에 존재한다는 것을 안다. 예를 들어, TSclust.
매우 조잡한 접근법은 JMP 클러스터링 알고리즘 시계열 데이터에 새로운 열의 각 데이터 포인트를 제공하는 것입니다 (따라서 열 1 = T1 ..). 기타.). 이것은 이미 결과를 제공하는 빠르고 더러운 접근 방식입니다. 그러나 나는 행동의 유사점을보다 정확하게 식별 할 수있는 접근 방법을 찾고 있습니다. 예를 들어 그래프를 세그먼트로 나눌 수 있으며 각 세그먼트에 대해 행동이 특정 유형의 행동 (예 : 성장 가속, 지수 하락 또는 성장 감속 및 감퇴 감소 (로그))을 나타내는 지 식별 할 수 있습니다. 이 정보의 클러스터링은 JMP에 포함 된 정상적인 클러스터링 알고리즘에 의해 수행 될 수 있습니다. 그러나 이상적으로 클러스터링은 행동의 다양한 변화를 포함하는 전체 행동 순서 (예 : 첫 번째 및 두 번째 파생물뿐만 아니라 평균 값 . 나는 누군가가이 도전에 경험이 있고 기꺼이 나누는 지 알고 싶어합니다.
Ward 클러스터링을 사용하면 아주 조잡한 접근법을 찾을 수 있습니다. 결과는 실제로 나쁘지 않습니다 (안구 테스트) (첨부 된 이미지 참조). 포함 된 클러스터링 스크립트가있는 데이터 테이블이 첨부됩니다.
gv,
나는 당신의 데이터를 쌓은 다음 클러스터를 단계적으로 관리하는 컨트롤 차트를 작성했다. 이것이 도움이되는지 유용하지는 않은지는 모르겠지만 대안으로 사용하는 것이 좋을 것이라고 생각했습니다.
