Regroupement par nombre fixe (soit 4 ou 5) de produits en cluster.Salut,
J'ai reçu une question d'un client, j'ai essayé de trouver une solution mais je n'ai pas trouvé jusqu'à présent.
J'espère que votre partage d'idées.
Voici la situation.
Ils produisent le produit B et mesurent 5 points dans chaque produit (lots) comme ci-dessous.
Et T ils veulent regrouper 5 produits les plus similaires en fonction de la valeur de 5 points
(Supposons qu'il y ait 100 produits, 5 points et 500 données de mesure)
1. Nous pouvons regrouper en fonction de certaines statistiques (moyenne, stdev et autres méthodes pour calculer la planéité, etc.) pour 5 points.
Mais je pense que ces méthodes sont moins raisonnables par rapport au Clustering.
2. J'ai essayé Hierarchy et K-Means. Dans ce cas, ces méthodes présentent également certaines limitations.
Ils veulent regrouper par nombre fixe (c'est-à-dire 4 ou 5) de produits dans chaque cluster.
J'ai vu quelque chose de similaire à propos du classement des produits agricoles, mais je ne m'en souvenais pas.
Y a-t-il d'autres idées ?
Merci d'avance
Ikju
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Salut Jian, salut Christian,
Merci pour votre discussion.
Covariable DOE ? Je ne sais pas bien.
Et le PCA ?
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Aucun problème. Covariate DoE vous permet de créer les mêmes groupes de taille égale, ce qui est l'objectif initial de ce fil.
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Merci @jiancao - bien sûr et oui est parfaitement logique ; mal interprété ce qui devait être «similaire» et a été amorcé par l'autre fil. Mes excuses!
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Christian,
Covariate DoE, si je comprends bien, peut être utilisé pour créer des groupes similaires, tandis que le clustering consiste à affecter des objets similaires à différents groupes. c'est comme intra-variabilité vs inter-variabilité.
Avant que vos données n'arrivent, je viens de faire une comparaison : grouper en utilisant la distance par rapport à. regroupement à l'aide de la covariable DoE sur Big Class. Vous trouverez ci-dessous l'ANOVA sur les trois covariables ou variables de regroupement utilisées dans le regroupement : l'âge, la taille et le poids :
Comme vous pouvez le voir, le regroupement par distances crée quatre groupes avec des moyennes différentes (colonne de gauche), tandis que le regroupement via la covariable DoE produit quatre groupes avec des moyennes similaires (colonne de droite) ;
Est-ce que ça a du sens?
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.@jiancao Serait-ce un autre exemple de l'utilisation de la covariable DoE, en utilisant des blocs comme mentionné dans ce fil sur les souris ? Je n'ai pas comparé ce qui se passe dans les coulisses du DoE covariable avec les méthodes de clustering, mais il semble que l'application soit similaire : créez de manière optimale des groupes équivalents de taille définie.
Excuses, sujet connexe ici .J'ai également joint le fichier utilisé pour explorer l'idée. Une seule covariable, le poids, dans ce cas (bien que la table source en ait 2, je pourrais donc explorer différentes distributions).
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Je vois que vous avez utilisé les distances enregistrées à partir d'une solution à 20 clusters, qui sont les distances depuis le centroïde de chaque cluster. Essayez d'utiliser les distances mises à l'échelle à partir de 0 (vous pouvez exécuter un cluster unique, puis supprimer les moyennes). Cependant, c'est juste une façon de calculer la similarité entre les objets.
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.En raison de la demande sérieuse du client, je ne pouvais pas partager les données d'origine, j'ai donc créé une structure de données similaire.
Merci de donner vos idées
Merci
Ikju
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Salut Jian,
Merci pour vos précieux commentaires.
Je peux faire un cluster de taille égale selon vos commentaires. (taille des données 135 = 27*5)
Ceiling(
(Col Rank( :"Distance Formula(K Means)"n ) /
Col Number( :"Distance Formula(K Means)"n )) * 27
)
Cependant, le clustering utilisant la distance k-means ne semble pas être une méthode appropriée. La clé est de regrouper les choses similaires par taille égale. Je ne pense pas que ce soit la bonne façon de regrouper des choses similaires.
J'ai joint 3 animations gif
Re : Regroupement par nombre fixe (c'est-à-dire 4 ou 5) de produits en cluster.Ikju : Quelle est la limitation du clustering ? Vous n'avez pas obtenu les groupes de taille égale?
Si tel est le cas, vous pouvez utiliser ce JSL* après avoir exécuté kmeans pour une solution à cluster unique et enregistrer les distances :
((Col Rankc(:Distance Formula ) / Col Number( :Distance Formula )) * N Row() / :Group Size)
(*adapté de Phil Kay's Publier .)
