Typischer Datensatz: 120–200 Zeilen, 15 Klassen.
Es ist bekannt, dass die Zeilen nach Klassen sortiert sind. Unbekannt ist jedoch, wo sich die „Zäune“ zwischen den Klassen befinden.
So wie es ist – also ohne Berücksichtigung der Zeilenreihenfolge – klassifiziert LCA etwa 94 % der Zeilen richtig. Meine Intuition sagt mir, dass wir bei 100 % wären, wenn ich wüsste, wie ich dem Algorithmus sagen könnte, dass die Zeilen bei der Eingabe nach Klasse gruppiert sind.
Visuell, falls meine Verwendung von „gruppiert nach“ unklar ist:
Richtig sähe das so aus:
1a
1a
1a
1a
1a
1b
1b
1b
1b
1b
1b
1b
1b
1c
1c
1c
1c
1c
1c
1c
Alle Zeilen 1a sind hinsichtlich der Zeilenreihenfolge immer Nachbarn, alle Zeilen 1b usw.
Derzeit erhalte ich manchmal:
1a
1a
1a
1c
1c
1b
1b
1b
1b
1b
1b
1b
1b
1c
1c
1c
1c
1c
1c
1c
Ideen?
Möglicherweise könnte ich eine Spalte mit Row() als Wert erstellen, aber ich mache mir Sorgen, dass die meisten Clusterspalten Werte vom Typ „Klasse“ haben. Bei 15 Klassen könnte jede verwendete Spalte zwischen 2 und 8 eindeutige Werte haben. Row() hat 120 eindeutige Werte, was sich anfühlt, als würde man einen Platzhalter in die Mischung werfen.
