Conjunto de datos típico: 120-200 filas, 15 clases.
Se sabe que las filas están ordenadas por clase. Lo que no se sabe es dónde están las "vallas" entre las clases.
Tal como está (es decir, sin tener en cuenta el orden de las filas), el análisis de ciclo de vida clasifica correctamente aproximadamente el 94 % de las filas. Mi intuición me dice que si supiera cómo indicarle al algoritmo que las filas están agrupadas por clase en la entrada, estaríamos en el 100 %.
Visual, en caso de que mi uso de 'agrupado por' no esté claro:
Lo correcto sería así:
1a
1a
1a
1a
1a
1b
1b
1b
1b
1b
1b
1b
1b
1c
1c
1c
1c
1c
1c
1c
Todas las filas 1a siempre serán vecinas en términos de orden de filas, y todas las 1b, etc.
Actualmente, a veces me pasa:
1a
1a
1a
1c
1c
1b
1b
1b
1b
1b
1b
1b
1b
1c
1c
1c
1c
1c
1c
1c
¿Ideas?
Potencialmente, podría crear una columna con Row() como valor, pero me preocupa que la mayoría de las columnas de agrupamiento tengan valores de tipo "clase". Para 15 clases, cada columna en uso podría tener entre 2 y 8 valores únicos. Row() tendrá 120 valores únicos, lo que parece como si se hubiera agregado un comodín a la mezcla.
