각 k-평균 클러스터의 가장 중요한 특징 추정안녕,
kmeans 클러스터를 사용하여 데이터를 그룹화합니다. 이제 각 데이터 클러스터에 대해 어떤 기능이 큰 영향을 미치는지 알아보고 싶습니다. JMP pro K-평균이 각 k-평균 클러스터에 가장 중요한 특징에 대한 추정을 제공하는지 궁금합니다. 사용할 수 없는 경우 어떻게 계산할 수 있는지 제안해 줄 수 있나요? 아마도 거리를 추정에 사용할 수 있을 것이라고 생각했습니다. 그래도?
예측 모델링 및 기계 학습윈도우Re: 각 k-평균 클러스터의 가장 중요한 기능 추정안녕 @dadawasozo ,
K-평균을 사용하여 클러스터링을 설명하는 두 가지 가능한 방법에 대해 생각합니다.
- 클러스터 수식을 응답으로 사용하고 입력을 기반으로 이 클러스터 응답을 모델링해 볼 수 있습니다. 이를 수행하기 위한 유연하고 효율적인 플랫폼 중 하나는 Bootstrap Forest(JMP Pro) 또는 Predictor Screening(JMP)일 수 있습니다. 그런 다음 요인의 기여도를 클러스터링에 비교할 수 있습니다.
- 이를 "통계적" 방식으로 생각할 수도 있습니다. 요인이 군집화에서 더 중요할수록 이 요인 축의 점이 더 많이 분리됩니다(하나 또는 하나를 기준으로 점을 분리/구별할 수 있으면 군집을 만드는 것이 더 쉽습니다). 여러 요인). 따라서 "Fit Y by X" 플랫폼을 사용하고 클러스터를 X로, 요인을 Y로 사용하고 매개변수 테스트(t-test, Welch 등)를 사용하여 여러 피팅의 F 비율을 비교할 수 있습니다. .
통계 검정의 적절한 사용과 가정 검증(정규성, 분산 동등성, 독립성, 이상치 없음 등)에 따라 옵션 1과 유사한 결과를 찾을 수 있습니다.
예로서:
매우 유명하고 공개된 "Iris" 데이터 세트에서 꽃받침 길이, 꽃받침 너비, 꽃잎 길이 및 꽃잎 너비 요소에 대한 K-평균 클러스터링을 수행했습니다. 발견된 세 가지 종과 밀접하게 일치하는 세 개의 클러스터를 찾을 수 있습니다. 클러스터 수식을 저장합니다.
- 예측자 스크리닝 플랫폼을 사용하여 클러스터 수식을 Y로 입력하고 요인을 X로 입력하면 클러스터링에 대한 요인의 기여도 차이를 볼 수 있습니다.
- "Fit Y by X" 플랫폼을 사용하여 클러스터 수식을 X로, 요인을 Y로 입력할 때 Welch의 테스트를 수행하고 모든 F 비율을 사용하여 결합된 데이터 테이블을 만듭니다. 요인에 따른 F 비율을 보여주는 그래프를 통해 비슷한 결과를 찾을 수 있습니다.
꽃잎 길이와 꽃잎 너비가 모두 두 개의 비정규 분포를 갖기 때문에 두 플랫폼 사이에는 차이가 있으며 두 개의 가장 큰 클러스터링 기여 요인 사이에는 교환이 있습니다. 따라서 Welch의 테스트는 여기서 가장 적절한 옵션이 아니지만 Steel-Dwass All Fair 테스트가 더 나을 것입니다.
이 데이터 세트에서 예측자 스크리닝은 이상치에 대해 강력하고 데이터 분포에 대한 가정을 요구하지 않으므로 더 안전한 옵션입니다(플랫폼은 Random Forest 모델을 사용함).
여러 가지 분석을 살펴보고 제가 수행한 테스트를 재현할 수 있도록 Iris 데이터 테이블을 첨부했습니다.
고려해야 할 마지막 측면은(질문의 범위를 벗어나더라도) K-Means 접근 방식이 두 가지 가정을 기반으로 데이터 세트에 적합한지 확인하는 것입니다.
- 클러스터는 구형입니다(모든 변수의 분산이 동일함).
- 클러스터의 크기는 비슷합니다(각 클러스터의 관측치 수가 대략 동일함).
이러한 가정이 충족되지 않으면 다른 클러스터링 접근 방식이 더 유연할 수 있으며(예: 가우스/정규 혼합) 클러스터링 컨텍스트에 따라 더 "적절"할 수 있습니다. 포인트 밀도를 기반으로 한 클러스터링, 가정된 기본 분포를 기반으로 한 클러스터링, 포인트 간 계층적 관계에 기반한 클러스터링 , ...
이 답변이 도움이 되길 바라며,
Re: 각 k-평균 클러스터의 가장 중요한 기능 추정안녕하세요 빅터,
각 클러스터의 가장 중요한 기능을 개별적으로 얻을 수 있습니까? K는 데이터를 몇 개의 그룹으로 클러스터링하는 데 도움이 된다는 것을 의미합니다. 각 클러스터의 가장 영향력 있는 기능을 이해하여 서로 다른 클러스터를 만드는 이유를 이해하고 싶습니다.
Re: 각 k-평균 클러스터의 가장 중요한 기능 추정안녕 @dadawasozo ,
귀하의 목표를 더 잘 이해한다면 기능의 가치를 기반으로 클러스터 간의 격차와 차이점을 더 잘 평가하고 싶습니까?
그렇다면 "KMeans NCluster = (X)" 옆에 있는 빨간색 삼각형에 있는 "평행 좌표계", "산점도 행렬" 옵션과 여러 그래프 "Biplot"을 요약 통계와 함께 볼 수 있습니다. "클러스터 평균"은 특성 평균 값에 따라 여러 클러스터가 어떻게 다른지에 대한 흥미로운 시각화입니다.
붓꽃 데이터세트의 평행 좌표계 예시(그래프 빌더로 이를 재현하여 사용자 정의하고 값 범례를 추가할 수 있음):
Iris 데이터세트의 산점도 행렬 예:
붓꽃 데이터세트의 Biplot 2D(주요 구성요소 포함) 예:
귀하의 목적을 더 잘 이해하고 이 답변이 귀하에게 도움이 되기를 바랍니다.
