多次元スケーリング プロット: ポイントのグループ化/クラスタリング91 x 91 の距離行列で多次元スケーリングを使用しています。 2D MDS プロットが表示されると、JMP によって割り当てられたさまざまな記号と色を使用してポイントがプロットされ、明らかに多次元距離空間での近接度に基づいてポイントがクラスター化されます (添付のスクリーンショットを参照)。 質問:
- ポイントをグループ化またはクラスター化する方法を決定するためにJMPが使用している基準は何ですか?
- ポイントのクラスター化方法の基準またはしきい値を調整する方法はありますか?
- 見つかったクラスターの数に関するレポートを取得する簡単な方法はありますか?
JMP のドキュメントと Google を検索しましたが、何も見つかりませんでした。
私は（できれば）スクリプトに依存しない答えを探しています。
ご協力いただきありがとうございます。
Re: 多次元スケーリング プロット: ポイントのグループ化/クラスタリングああ、何が起こったのかわかりました。 実際、私はすでにこの同じデータセットで階層的クラスタリングを使用していました (何ヶ月も前)。 最近、同僚が、必要なタイプの分析の代替アプローチとして MDS を試すことを提案しました。 保存した JMP ファイルを再度開き、MDS を介して距離行列を実行しましたが、クラスター分析によって生成されたクラスター ラベルがまだファイル内にあることに気付きませんでした。 そのため、MDS からの 2D プロットを見ていましたが、以前のクラスター分析からの出力に従って (気付かずに) ラベルが付けられていました。 それで、あなたの応答のおかげで、私は今何が起こったのか理解しています。 すべてのファイルを閉じて距離行列を再インポートすると、予想どおり、ラベルと色分けがすべて消えます。
どうもありがとうございます。
Re: 多次元スケーリング プロット: ポイントのグループ化/クラスタリングあなたの質問には理解できる誤解がいくつかあります。
色とマーカーは、多次元スケーリング プラットフォームでは生成されません。 彼らは行の状態既にデータ テーブルに割り当てられています。
MDS はクラスタリングやグループ化を行いません。 （そのため、ドキュメントで見つけることができません）。 言い換えるとウィキペディア: MDS は、データのペアごとの「距離」を抽象的なデカルト空間に変換します。
クラスタリング アルゴリズムが必要な場合は、 K-means クラスタリングプラットホーム。 これにより、クラスターの数を調整し、どの行がどのクラスターに属しているかを報告できます。
Re: 多次元スケーリング プロット: ポイントのグループ化/クラスタリング提案@markbaileyに感謝しますが、本の章はこれらの質問にまったく光を当てていません.Re: 多次元スケーリング プロット: ポイントのグループ化/クラスタリングJMP で [ヘルプ] > [書籍] > [多変量解析法] を選択することをお勧めします。 章は MDS に捧げられています。 章の最後のセクションでは、統計の詳細を示します。
