Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Hallo,
Ich habe eine Frage von einem Kunden, ich habe versucht, eine Lösung zu finden, konnte aber bis jetzt keine finden.
Hoffe, Ihre Idee zu teilen.
Hier ist die Situation.
Sie produzieren Produkt B und messen 5 Punkte in jedem Produkt (Los) wie unten.
Und T Hey möchte die 5 ähnlichsten Produkte basierend auf dem Wert von 5 Punkten gruppieren
(Angenommen, es gibt 100 Produkte, 5 Punkte und 500 Messdaten)
1. Wir können basierend auf einigen Statistiken (Mittelwert, stdev und andere Methoden zur Berechnung der Ebenheit usw.) für 5 Punkte gruppieren.
Aber ich denke, dass diese Methoden im Vergleich zum Clustering weniger sinnvoll sind.
2. Ich habe Hierarchie und K-Means ausprobiert. In diesem Fall hat diese Methode auch einige Einschränkungen.
Sie möchten Produkte in jedem Cluster nach einer festen Anzahl (dh 4 oder 5) gruppieren.
Ähnliches habe ich bei der Einstufung landwirtschaftlicher Produkte gesehen, konnte mich aber nicht erinnern.
Gibt es noch andere Ideen?
Danke im Voraus
Ikju
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Ikju: Was ist die Einschränkung des Clusterings? Sie haben die gleich großen Gruppen nicht bekommen?
Wenn ja, können Sie diese JSL* verwenden, nachdem Sie kmeans für eine Ein-Cluster-Lösung ausgeführt haben und die Entfernungen speichern:
((Spalte Rangc(:Abstandsformel) / Spaltenzahl(:Abstandsformel)) * N Row() / :Gruppengröße)
(*nach Phil Kays Post .)
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Hallo Jian,
Vielen Dank für Ihre wertvollen Kommentare.
Ich kann gemäß Ihren Kommentaren einen gleich großen Cluster erstellen. (Datengröße 135 = 27 * 5)
Ceiling(
(Col Rank( :"Distance Formula(K Means)"n ) /
Col Number( :"Distance Formula(K Means)"n )) * 27
)
Clustering unter Verwendung des k-means-Abstands scheint jedoch keine geeignete Methode zu sein. Der Schlüssel ist, ähnliche Dinge nach gleicher Größe zu gruppieren. Ich glaube nicht, dass dies der richtige Weg ist, ähnliche Dinge zu gruppieren.
Ich habe 3 GIF-Animationen angehängt
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Auf ernsthaften Wunsch des Kunden konnte ich die Originaldaten nicht weitergeben, also habe ich eine ähnliche Datenstruktur erstellt.
Bitte gebt eure Ideen
Vielen Dank
Ikju
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Ich sehe, dass Sie die Entfernungen verwendet haben, die aus einer 20-Cluster-Lösung gespeichert wurden, also die Entfernungen vom Schwerpunkt jedes Clusters. Versuchen Sie es mit den skalierten Entfernungen von 0 (Sie können einen Ein-Cluster ausführen und dann die Mittelwerte entfernen). Dies ist jedoch nur eine Möglichkeit, die Ähnlichkeit zwischen Objekten zu berechnen.
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.@jiancao Wäre dies ein weiteres Beispiel für die Verwendung des Kovariaten DoE, bei dem Blöcke verwendet werden, wie in diesem Thread über die Mäuse erwähnt? Ich habe nicht verglichen, was hinter den Kulissen im kovariaten DoE mit den Clustering-Methoden passiert, aber die Anwendung scheint ähnlich zu sein: Erstellen Sie optimal äquivalente Gruppen definierter Größe.
Entschuldigung, verwandter Thread hier .Ich habe auch die Datei angehängt, die zum Erkunden der Idee verwendet wurde. Nur 1 Kovariate, Gewichtung, in diesem Fall (obwohl die Quelltabelle 2 hat, damit ich verschiedene Verteilungen untersuchen kann).
Betreff: Gruppierung nach fester Anzahl (dh 4 oder 5) von Produkten im Cluster.Christian,
Covariate DoE, wie ich es verstehe, kann verwendet werden, um ähnliche Gruppen zu erstellen, während Clustering dazu dient, ähnliche Objekte verschiedenen Gruppen zuzuweisen. es ist wie innerhalb der Variabilität vs zwischen der Variabilität.
Bevor Ihre Daten eintrafen, habe ich nur einen Vergleich durchgeführt: Gruppierung nach Entfernung vs. Gruppierung mit Kovariate DoE auf Big Class. Unten ist die ANOVA für die drei Kovariaten oder Clustering-Variablen, die bei der Gruppierung verwendet werden: Alter, Größe und Gewicht:
Wie Sie sehen können, erzeugt die Gruppierung nach Entfernungen vier Gruppen mit unterschiedlichen Mittelwerten (linke Spalte), während die Gruppierung über kovariate DoE vier Gruppen mit ähnlichen Mittelwerten erzeugt (rechte Spalte);
Macht das Sinn?
