各 K 平均法クラスターに対する最も重要な特徴の推定こんにちは、
データをグループ化するために kmeans クラスターを使用します。 ここで、データのクラスターごとに、どの特徴が大きな影響を与えているかを調べたいと思います。 JMP pro K-mean は、各 K-means クラスターに最も重要な特徴の推定を提供するのだろうか? 利用できない場合に計算する方法を誰かが提案してもらえますか? おそらく距離を推定に使用できるのではないかと考えました。 でも何か？
予測モデリングと機械学習ウィンドウズRe: 各 K 平均法クラスターに対する最も重要な特徴の推定こんにちは@dadawasozo 、
K-means で行われるクラスタリングを説明する 2 つの可能な方法を考えてみます。
- クラスター式を応答として使用し、入力に基づいてこのクラスター応答をモデル化してみることができます。 これを行うための柔軟で効率的なプラットフォームの 1 つは、Bootstrap Forest (JMP Pro) または Predictor Screening (JMP) です。 その後、クラスタリングに対する因子の寄与を比較できます。
- これを「統計的」方法で考えることもできます。クラスタリングにおける因子の重要性が高くなるほど、この因子軸上の点はより分離されます (1 つまたは複数の要素に基づいて点を分離/区別できる場合、クラスターの作成が容易になります)。いくつかの要因）。 したがって、「Fit Y by X」プラットフォームを使用し、クラスターを X として使用し、因子を Y として使用し、パラメトリック検定 (t 検定、ウェルチなど) を使用していくつかの近似の F 比を比較できます。 。
統計検定と仮定 (正規性、分散の等価性、独立性、外れ値なしなど) の検証を適切に使用することによっては、オプション 1 と同様の結果が得られる可能性があります。
例として:
非常に有名で公開されている「アイリス」データセットについて、がく片の長さ、がく片の幅、花弁の長さ、および花弁の幅の要素に対して K 平均法クラスタリングを実行しました。 見つかった 3 つの種とよく一致する 3 つのクラスターを見つけることができました。 クラスター式を保存します。
- Predictor スクリーニング プラットフォームを使用し、クラスター式を Y、応答、因子を X として入力すると、クラスター化に対する因子の寄与の違いを確認できます。
- 「Fit Y by X」プラットフォームを使用し、クラスター式を X として入力し、因子を Y として入力する場合、ウェルチ テストを実行し、すべての F 比率を含む結合データテーブルを作成します。 要因に応じた F 比を示すグラフを使用すると、同様の結果を見つけることができます。
花びらの長さと幅には両方とも 2 つの非正規分布があるため、2 つのプラットフォームには違いがあり、クラスタリングの 2 つの最大の寄与因子間には交換があります。 したがって、ここではウェルチのテストは最も適切なオプションではありませんが、Steel-Dwass のオール ペア テストの方がおそらく適切です。
このデータセットでは、予測子スクリーニングは外れ値に対して堅牢であり、データ分布に関する仮定を必要としないため、より安全なオプションになります (プラットフォームはランダム フォレスト モデルを使用します)。
いくつかの分析を見て、私が行ったテストを再現できるように、Iris データテーブルを添付しました。
(質問の範囲外であっても) 考慮すべき最後の側面は、K 平均法アプローチが 2 つの仮定に基づいているため、データセットに適切であることを確認することです。
- クラスターは球状です (すべての変数が同じ分散を持ちます)。
- クラスターは同様のサイズ (各クラスター内の観測値の数がほぼ同じ) です。
これらの前提が満たされない場合には、他のクラスタリング アプローチの方がより柔軟になる可能性があります (ガウス/正規混合など)。または、クラスタリングのコンテキストに応じて、より「適切」になる場合があります。つまり、点密度に基づくクラスタリング、想定される基礎となる分布に基づくクラスタリング、点間の階層関係に基づくクラスタリングなどです。 、 ...
この回答がお役に立てば幸いです、
Re: 各 K 平均法クラスターに対する最も重要な特徴の推定こんにちは、ビクターさん
各クラスターの最も重要な機能を個別に取得することはできますか? K は、データを少数のグループにクラスタリングするのに役立ちます。 各クラスターの何が異なるクラスターであるのかを理解するために、各クラスターの最も影響力のある機能を理解したいと考えています。
Re: 各 K 平均法クラスターに対する最も重要な特徴の推定こんにちは@dadawasozo 、
あなたの目的がよく理解できれば、特徴量の値に基づいてクラスター間の差異と差異をより適切に評価したいと思われますか?
「はい」の場合は、「KMeans NCluster = (X)」の隣の赤い三角形で利用可能なオプション「平行座標プロット」、「散布図行列」、およびいくつかのグラフ「バイプロット」を、要約統計とともに確認できます。 「クラスター平均」。特徴の平均値に基づいていくつかのクラスターがどのように異なるかを示す興味深い視覚化です。
Iris データセットの平行座標プロットの例 (グラフ ビルダーを使用して再現してカスタマイズし、値の凡例を追加できます):
アヤメデータセットの散布図行列の例:
アイリス データセット上のバイプロット 2D (主成分あり) の例:
あなたの目的をよりよく理解でき、この回答がお役に立てば幸いです。
