Beim Clustern geokodierter Daten ist die Richtung (also der Bewegungswinkel relativ zu 0º Nord) oft eine relevante Variable. Da es sich jedoch um eine zirkuläre Metrik handelt, bei der die Extremwerte der Skala von 0 und 360 Grad tatsächlich genau dieselbe Richtung aufweisen, entstehen für klassische Clustering-Algorithmen rund um diesen Skalenknickpunkt Probleme. Algorithmen interpretieren benachbarte Richtungen auf beiden Seiten der 0/360-Grad-Markierung fälschlicherweise als maximal entfernt, obwohl sie tatsächlich nur minimal entfernt sind.
Ich umgehe dies, indem ich die Kurswinkel in einen Sinus und einen Cosinus zerlege, deren kombinierte Ausgänge die Messkontinuität für einen vollständigen Zyklus gewährleisten. Dies hat jedoch Nachteile, die ich lieber vermeiden möchte: Es fügt eine weitere Variable hinzu, die gruppiert werden muss, und außerdem reichen meine mathematischen Kenntnisse nicht aus, um sicherzustellen, dass die phasengesteuerten senoidalen Ausgänge von Sinus und Cosinus für alle Winkel mit konstanten Raten gruppiert sind (im Gegensatz beispielsweise zu Spitzen um Diagonalen, wo Sinus und Cosinus mit ähnlichen Raten variieren).
Deshalb meine Frage: Wie wäre es, wenn JMP Angular-Daten angemessen clustern würde, ohne dass zwischengeschaltete Transformationen erforderlich wären?
Danke!
