466489_it-IT

liliconcom

Come eseguire al meglio l'analisi dei cluster sui dati a spirale?

Ciao,

 

Vorrei sapere quale piattaforma di clustering, disponibile in JMP o JMP Pro, è più adatta per identificare i cluster da questi dati a spirale.

 

 

Utilizzando HDBSCAN posso identificare correttamente i cluster come illustrato di seguito, ma se possibile vorrei utilizzare JMP:

 

 

Script tabella allegato.

 

Grazie jpol

 

AnaliticaRe: Come eseguire al meglio l'analisi dei cluster sui dati a spirale?

Collegamento unico. Avrai bisogno di sapere quanti cluster vuoi, 3 per esempio, o spezzerà i bracci a spirale in più.

Hierarchical Cluster(
    Y( :X, :Y ),
    Method( "Single" ),
    Standardize Data( 1 ),
    Color Clusters( 1 ),
    Dendrogram Scale( "Distance Scale" ),
    Number of Clusters( 3 )
)

Dendrogramma con colori a grappolo Grafico con i colori del cluster

Penso che questo articolo potrebbe aiutare, ho letto abbastanza per vederlo menzionato "catena".

https://stats.stackexchange.com/questions/195446/choosing-the-right-linkage-method-for-hierarchical-clustering

 

Re: Come eseguire al meglio l'analisi dei cluster sui dati a spirale?

Grazie Craig per aver indicato il metodo corretto e il link dell'articolo.

 

Il metodo Single Link funziona molto bene su questo set di dati relativamente pulito.

 

Lo script della tabella che ho fornito sopra include uno script per aggiungere alcune righe di dati in più, "Aggiungi righe".

Questi dovrebbero essere considerati valori anomali, o almeno essere identificati come non appartenenti a nessuno dei tre cluster principali. Qualcosa come il cluster "-1" in HDBSCAN.

 

L'aggiunta di questi punti extra sembra devastare il metodo di collegamento singolo (quando si cercano 3 o 4 cluster).

Qualche idea su come evitarlo?

 

   

 

 

- Filippo

 

 

 

 

 

 

 

Re: Come eseguire al meglio l'analisi dei cluster sui dati a spirale?

Non sono l'esperto qui; Mi rimetto ad altri. La mia ipotesi sarebbe un passaggio separato per scoprire punti non più lontani della media dagli altri punti, ma fallirebbe se ci fossero due valori anomali uno accanto all'altro, quindi il loro gruppo di due dovrebbe essere testato ... forse l'HDBSCAN sta facendo qualcosa del genere.

 

Puoi condividere che tipo di processo produce i cluster a spirale?