他のクラスターよりも低い最適なCCCを使用したKMeansクラスタリング比較レポートこんにちは、
顧客は、kmeansクラスタリングのクラスター比較レポートで指定された最適なCCCが他のクラスターのCCCより低い場合がある理由を尋ねましたが、これはドキュメントと矛盾しています。
添付のとおりニカルジピンデータセットとkmeansクラスタリングを使用して、この動作を再現できました（クラスタリング用のスクリプトを実行します）
文書に記載されていない決定に関連する別の基準がありますか、またはなぜこれが発生しますか？
Re：KMeansクラスタリング比較レポート、最適なCCCが他のクラスターよりも低いこの異常の原因はいくつかあると思います。これらのいずれかが原因である場合は、ドキュメントにそれを記載する必要があります。そのため、ドキュメントにはさらに詳細が必要だと思います。
私の考え：
使用したニカルジピン変数は、連続的ではなく、実際にはカテゴリーです。それが問題の原因になっている可能性があります。通常、データの離散性により、CCCが選択するクラスターが多すぎます。
2つの変数は定数値です。文書でさえ、それらは無視されると言っているので、私はそれが問題だとは思わない。
6以降のすべてのクラスターには、単一の観測のみを持つクラスターがあります。それが、これらのクラスターが「最適」ではない理由かもしれません（しかし、これも信じられませんが、可能です）。
クラスタ全体のCCCを見ると、CCCは劇的に低下し、マイナスになります。通常、負のCCC値は外れ値を示します。CCCの低い行には5つのクラスターサイズがあるため、3つのクラスターモデルよりもCCCが高いものはすべて過剰適合を示していると思います。JMPは同様のロジックを適用できますか？
3ではなく4から12のクラスターでKMeansを実行すると、期待どおりの結果が得られるため、これはおそらくバグでしょうか？
完全を期すために、JMPのドキュメントではSASのテクニカルペーパーを参照していますが、完全性のためにそのペーパーの結論を含めています。完全なドキュメントはこちらです： https://support.sas.com/kb/22/addl/fusion_22540_1_a108_5903.pdf
確かに興味深い状況です。3が選ばれた本当の理由を聞きたいです！
Re：KMeansクラスタリング比較レポート、最適なCCCが他のクラスターよりも低いありがとうしゅう 。外れ値、クラスター内の#values、および使用される列のタイプについて顧客に確認します。これはそれに光を当てるかもしれません。
しかし、根本的な理由（バグ、予想、データのタイプなど）を誰かが知っていることを願っています。
Re：KMeansクラスタリング比較レポート、最適なCCCが他のクラスターよりも低いしたがって、顧客のデータに関する詳細情報が得られました。
613の観測、39の変数[SASドキュメントに基づいて、約60のクラスターを見ることができる場合があります]
6つの変数の値は約85％〜90％です。
8つの変数には、20〜25個の異なる値があります。
PCAおよび外れ値分析を使用した大まかなチェックにより、極端な外れ値のみが削除されました。クラスターを平行座標プロットを使用して後で確認するために使用され、ノイズとして宣言されるものは少なく、結合されるものはほとんどありません。したがって、最適なCCCは単なるガイドラインであり、クラスターをさらに調べる必要があります。ただし、最高の値ではない以前のクラスターで最適なCCCCが選択されていることを理解するのは困難です。私の場合、N = 2およびN = 3クラスターだけが負であり、N = 7であり、さらに高いNはより高い値ですが、N = 4が最適です。
はい・いいえ：
メソッドNCluster N行CCCベスト
Kはクラスター2を意味します。 -11,181
Kはクラスター3を意味します。 -25,497
Kはクラスター4を意味します。 4,46481最適なCCC
Kはクラスター5を意味します。 0,87854
Kはクラスター6を意味します。 7,58562
Kはクラスター7を意味します。 4,0766à1つのクラスターと1つの観測値
Kはクラスター8を意味します。 25,9692
Kはクラスター9を意味します。 16,4746
Kはクラスター10を意味します。 23,1449 –観測値0の1つのクラスター（y、0…）
Kはクラスター11を意味します。 24,0572
Kはクラスター12を意味します。 26,9875
Kはクラスター13を意味します。 27,7786à観測値0の1つのクラスター（y、0…）
Kはクラスター14を意味します。 29,0657à観測値0の1つのクラスター（y、0…）
Kはクラスター15を意味します。 18,975-観測値が0の1つのクラスター（y、0…）
NCluster = 3の時点で、約10個の観測値を持つ少なくとも1つのクラスターです
- 5〜15個のクラスターのみを使用するのはどうですか。
はい、最適なCCCが正しく表示されます！
!!!また、「クラスタ内の標準偏差を使用する」のチェックを外し、2〜15個のクラスタを使用すると、表示される結果は期待どおりです。
メソッドNCluster CCCベスト
K平均クラスター2 -8,3209
K平均クラスター3 -14,199
K平均クラスター4 9,28967
K平均クラスター5 5,42936
K平均クラスター6 24,6335
K平均クラスター7 30,4458
K平均クラスター8 23,5854
K平均クラスター9 36,858
K平均クラスター10 35,6172
K平均クラスター11 36,5099
K平均クラスター12 38,4017
K平均クラスター13 48,2059
K平均クラスター14 44,3545
K平均クラスター15 49,7344最適CCC
==>そのため、クラスター内で一種の標準化が進行しており、このオプションを使用しない場合とは異なる最適なCCCが得られるようです。その場合は、CCCの未チェックオプションとチェックオプションの値が異なるように見えるため、表示を修正する必要があります。これは、もちろんレポートのどこかに記載されている必要があります。
開発者/テスター/ライターによる洞察は価値があるかもしれません。もちろん、これがJMPで変更されるべきものである場合は、技術サポートを通じて行うこともできます。
おかげで、
マーティン
Re：KMeansクラスタリング比較レポート、最適なCCCが他のクラスターよりも低いJMPは、クラスターの数を「最適なCCC」としてラベル付けする際に、2未満になる前に最大のCCCを使用します。JMPのドキュメントに「 CCCの値が大きいほど、適合度が高いことを示します 」 変更する必要があります。
