K significa con centros fijosHola, ¿existe algún método para calcular k medias para un conjunto de datos pero tiene algunos centros predefinidos?Es decir, tengo los siguientes datos aleatorios y quiero encontrar k=3 centros, pero 2 de los centros ya están fijos en una ubicación determinada.¿Existe la funcionalidad en JMP 14.2.0?¡Gracias!
Puntos:
| Etiqueta | X | Y |
| Punto 1 | 3 | 3 |
| Punto2 | 4 | 4 |
| Punto3 | 6 | 6 |
| Punto4 | 50 | 30 |
| Punto5 | 60 | 60 |
| Punto6 | 70 | 90 |
| punto7 | 90 | 90 |
| Punto8 | 99 | 99 |
| Punto9 | 101 | 101 |
| punto10 | 102 | 102 |
Encuentre el tercer grupo si estos dos centros ya están definidos:
| Etiqueta | X | Y |
| centroide1 | 5 | 5 |
| centroide2 | 100 | 100 |
La salida regular que analiza los puntos funciona bien y optimiza los 3 clústeres, pero no tiene en cuenta los clústeres fijos deseados:
AnalíticaRe: K significa con centros fijosHola @AvgRegression52 ,
Su idea parece contraria a la intuición para un algoritmo no supervisado como K-Means, ya que parece que ya tiene información a priori sobre los diferentes clústeres/grupos.Por curiosidad, ¿por qué cambiaría la ubicación de los centroides encontrados por el algoritmo K-Means?
Puede haber una solución para obtener los resultados esperados:
- En su tabla de datos, cree dos filas nuevas ("Centroide 1" y "Centroide 2") con los valores X e Y que le gustaría tener para estos dos centroides (en su ejemplo, [5,5] y [100,100]).
- Luego, cree una columna numérica "Peso", donde todas las observaciones anteriores tengan un valor bajo (por ejemplo: 1 o menos), y las 2 filas de "centroïds" recién agregadas tengan valores muy grandes (por ejemplo: 1000000 o más) .
- Luego, al iniciar la plataforma de análisis K-Means, use X e Y como "Y, columnas" y use la nueva columna "Peso" en "Frecuencia" o "Peso" para sesgar las ubicaciones de los centroides. Inicie K-Means con 3 grupos (o cualquier número que prefiera).
De esta forma, las dos filas recién agregadas tendrán "artificialmente" mucha más frecuencia (o importancia) que las otras filas de su tabla, y dos de los centros de los grupos estarán fuertemente sesgados para estar lo más cerca posible de las coordenadas de estos. dos coordenadas de filas centroides (ver captura "Biased_K-Means").
Utilice esta solución con especial precaución, ya que la última ubicación del centro del clúster podría verse afectada por este proceso, depende de la distribución de puntos en las dimensiones: en su ejemplo, los tres clústeres están bien definidos y separados, por lo que agregar mucho más frecuencia/peso a dos nuevos valores de coordenadas de "centroide" (que están en los extremos de las distribuciones X e Y) no afectarán la ubicación del tercer centroide de grupo ("en el medio").
La muestra de tabla de datos también se adjunta con el script K-Means "sesgado" si desea echar un vistazo.
Espero que esta solución te ayude,
Re: K significa con centros fijosGracias @Victor_G , ¡esa frecuencia aumentada parece funcionar bien para mi caso de uso!Punto tomado en la ubicación del tercer grupo manipulado, ya que los datos del mundo real no son tan obvios de un grupo como la muestra.
Lo siento, no puedo compartir los datos reales o detalles específicos, pero los datos principales se centran en las redes de atención al cliente.Actualmente contamos con múltiples instalaciones en una ciudad determinada como Los Ángeles y queremos estar ubicados cerca de todos los puntos de servicio.Sin embargo, ya poseemos bienes raíces en 2 ubicaciones hoy y estamos investigando una tercera, por lo que hay algunos escenarios diferentes:
1) Si renunciáramos a todas nuestras propiedades actuales, ¿dónde reubicaríamos las 3 nuevas propiedades (k-significa que está bien)?
2) Si mantenemos las 2 ubicaciones existentes, ¿cuál es la ubicación ideal de una tercera propiedad?
3) Si la propiedad no está disponible en la ubicación ideal, ¿dónde está la tierra a la venta y cuánto "menos ideal" es esta ubicación en comparación con el ejemplo 2?
Re: K significa con centros fijosHola @AvgRegression52 ,
¡Me alegra saber que este truco parece funcionar bien para ti! Sí, dado que la frecuencia/peso se manipula para controlar las dos primeras ubicaciones de los centroides, la última tercera ubicación del centroide puede verse afectada por este cambio.
No hay problema, no quería ser intrusivo, ahora entiendo mejor por qué quería mantener 2 centroides, esto suena como un agrupamiento iterativo de K-Means (o agrupamiento de K-Means con restricciones): poder agrupar nuevas observaciones gracias a clústeres ya existentes (por ejemplo, de análisis anteriores) y clústeres recién creados (si es necesario). Ya he visto una pregunta similar en StackOverflow, por eso tenía un poco de curiosidad sobre el contexto.
¡Gracias por tus explicaciones!
Todo lo mejor,
