클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.안녕,
일부 고객으로부터 몇 가지 질문을 받았고 해결책을 찾으려고 노력했지만 아직까지 찾지 못했습니다.
아이디어 공유를 바랍니다.
다음은 상황입니다.
그들은 제품 B를 생산하고 아래와 같이 모든 제품(lot)에 5포인트를 측정합니다.
그리고, 티 5점의 값을 기준으로 가장 유사한 5개의 제품을 그룹화하고 싶습니다.
(제품 100개, 포인트 5개, 측정 데이터 500개가 있다고 가정)
1. 우리는 5점에 대한 일부 통계(평균, 표준 편차 및 평탄도 등을 계산하는 기타 방법)를 기반으로 그룹화할 수 있습니다.
하지만 이러한 방법들은 클러스터링에 비해 덜 합리적이라고 생각합니다.
2. Hierarchy와 K-Means를 시도했습니다. 이 경우 이러한 방법에도 몇 가지 제한 사항이 있습니다.
그들은 모든 클러스터에서 고정된 수(예: 4 또는 5)의 제품으로 그룹화하기를 원합니다.
농산물 등급에 대해 비슷한 것을 보았지만 기억이 나지 않았습니다.
다른 아이디어가 있습니까?
미리 감사드립니다
익주
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.익주: 클러스터링의 한계는 무엇입니까? 같은 크기의 그룹을 얻지 못했습니까?
그렇다면 단일 클러스터 솔루션에 대해 kmeans를 실행하고 거리를 저장한 후 이 JSL*을 사용할 수 있습니다.
((Col Rankc(:Distance Formula ) / Col Number( :Distance Formula )) * N Row() / :그룹 크기)
(*Phil Kay's에서 발췌 우편 .)
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.안녕 지안,
소중한 의견 감사합니다.
귀하의 의견에 따라 동일한 크기의 클러스터를 만들 수 있습니다.(데이터 크기 135 = 27*5)
Ceiling(
(Col Rank( :"Distance Formula(K Means)"n ) /
Col Number( :"Distance Formula(K Means)"n )) * 27
)
그러나 k-means 거리를 이용한 군집화는 적절한 방법이 아닌 것으로 보인다. 핵심은 비슷한 것을 같은 크기로 그룹화하는 것입니다. 나는 이것이 유사한 것들을 그룹화하는 적절한 방법이 아니라고 생각합니다.
gif 애니메이션 3개를 첨부했습니다
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.고객님의 간곡한 요청으로 원본 데이터를 공유할 수 없어 비슷한 데이터 구조를 만들었습니다.
아이디어를 주세요
감사
익주
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.각 클러스터의 중심으로부터의 거리인 20-클러스터 솔루션에서 저장한 거리를 사용했음을 알 수 있습니다. 0에서 확장된 거리를 사용해 보십시오(하나의 클러스터를 실행한 다음 평균을 제거할 수 있음). 그러나 이는 객체 간의 유사도를 계산하는 방법일 뿐입니다.
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.@jiancao 이것은 마우스에 대한 스레드에서 언급한 블록을 사용하여 공변량 DoE를 사용하는 또 다른 예가 될까요? 공변량 DoE에서 뒤에서 일어나는 일을 클러스터링 방법과 비교하지 않았지만 응용 프로그램은 비슷한 것 같습니다. 정의된 크기의 등가 그룹을 최적으로 생성합니다.
사과, 관련 스레드 여기 .아이디어 탐색에 사용된 파일도 첨부했습니다. 이 경우에는 1개의 공변량, 가중치만 있습니다(원본 테이블에는 2개가 있으므로 다른 분포를 탐색할 수 있음).
Re: 클러스터에 있는 고정된 수의 제품(예: 4 또는 5)으로 그룹화합니다.신자,
내가 이해하는 대로 공변량 DoE는 유사한 그룹을 만드는 데 사용할 수 있지만 클러스터링은 유사한 개체를 다른 그룹에 할당하는 것입니다. 변동성 내 대 변동성 간과 같습니다.
귀하의 데이터가 들어오기 전에 저는 방금 비교를 했습니다: 거리 대를 사용한 그룹화. Big Class에서 공변량 DoE를 사용하여 그룹화합니다. 다음은 그룹화에 사용되는 세 가지 공변량 또는 클러스터링 변수(나이, 키 및 체중)에 대한 ANOVA입니다.
보시다시피 거리별로 그룹화하면 평균이 다른 4개의 그룹이 생성되고(왼쪽 열), 공변량 DoE를 통해 그룹화하면 평균이 유사한 4개의 그룹(오른쪽 열)이 생성됩니다.
이게 말이 돼?
