JMP クラスタリングの使用に関する 2 つの質問JMPpro を使用して、約 10,000 サンプルと 20 変数のサンプルサイズで教師なし機械学習クラスター分析を実行しています。使用中にいくつか質問があるので、ここに来て他のユーザーやエンジニアに質問したいと思います。時間を割いて読んでいただき、辛抱強く分析して質問に答えていただきありがとうございます。 質問 1: このソフトウェアのクラスター分析機能の概要をよく読みました。JMP の階層的クラスタリングは、サンプルが小さいあらゆるデータ型に適しています。それでは、データ内の 20 個の変数が混合データ (連続変数、離散変数、順序変数、名義変数を含む) に属している場合、階層クラスタリングを実行するときに連続変数と名義変数を事前に組み合わせる必要があるのでしょうか?離散変数を標準化した後、[標準化基準]で「非標準化」を選択しますか?それとも、「非標準化」を選択した後、ソフトウェアが連続変数と離散変数を自動的に識別して標準化を実行し、順序変数と名義変数は元の値を維持します（つまり、階層クラスタリングの前に手動で標準化する必要はありません）。 質問 2: クラスター分析は、19 個の変数が階層的にクラスター化され、特定の (1) バイナリ ノミナル変数が [基本] に設定された場合の教師なし学習です。では、この分析は依然として教師なし学習とみなされるのでしょうか、それともすでに半教師あり学習とみなされるのでしょうか? 「半教師あり学習」と考えられるが、クラスタリング自体は教師なし学習である場合、両者の関係はどのように正確に記述すべきでしょうか。
予測モデリングと機械学習Re: JMP クラスタリングの使用に関する 2 つの質問こんにちは@pnogau 、
コミュニティへようこそ！
ご質問に関して：
- 混合データとモデリング タイプ (数値連続、順序、名目) のデータがある場合、 階層クラスタープラットフォームのみがこのようなさまざまなデータ タイプを処理できます。詳細については、この表が表示されている「観測をクラスタリングするためのプラットフォームの概要」を参照してください。
数値連続変数の処理を事前に行う必要はありません。データ形式、標準化の種類、欠損データの補完を指定して、プラットフォーム内で直接前処理を行うオプションがいくつかあります。 階層型クラスタープラットフォームを起動します。
- 2 番目の質問を完全に理解できていないようです。
クラスタリングは、データに「グループ」/クラスターがいくつあり、どのグループに観測データが属しているかが事前にわからない場合に使用されます。これは教師なし学習手法です。階層的クラスタリングは、JMP の興味深い手法およびプラットフォームです。これにより、観測データがクラスターにグループ化されるだけでなく、使用される変数もグループ化され、使用される変数間の類似性と相関関係を確認する双方向クラスタリングを実行できます。この分析は、 相関や多変量手法などの他の多変量プラットフォームに加えて、またはグラフ ビルダーで行われた視覚化とともに実行して、変数間の相関関係をより適切に評価できます。
また、二項変数が何らかのターゲットである場合は、クラスタリングを「ブラインド」で実行して、推奨されるグループの数を確認し、グループと二項変数間のリンクを分析できます (これは、クラスタリング用の教師なし学習と、クラスターと二項ターゲット間のリンクを分析するための教師あり学習の組み合わせになります)。または、階層的クラスタリング プラットフォームで 2 つのクラスターが必要であることを直接指定し (クラスターの数はすでにわかっており、それを検索して指定できるため、半教師あり学習と見なすことができます)、クラスタリングが二項ターゲット変数と一致するかどうか、またどのように一致するかを確認できます。
この回答がお役に立てば幸いです。
Re: JMP クラスタリングの使用に関する 2 つの質問こんにちは。 @Victor_G
フォーラムでの私の質問に対するご支援と辛抱強い回答に心より感謝いたします。あなたの回答と提案により貴重な洞察が得られ、私が直面していた問題は暫定的に解決されたと思います。
質問 1: データにはさまざまなタイプの変数が含まれているため、階層的クラスタリングを実行する必要があります。さらに、アドバイスに従って、「階層的クラスタ プラットフォームの起動」を注意深く読み直し、解決策を見つけました。連続列と順序列の測定スケールが異なる問題を解決するには、まず連続変数と離散変数を標準化してから、「標準化基準」で「標準化なし」を選択する必要があるようです。標準化基準
質問 2: 私の疑問に対するあなたの理解は非常に正確で、あなたの回答は私に重要なインスピレーションを与えてくれました。実際、私はクラスター分析を使用して、膨大なデータセット (個人) 内のさまざまなクラスターを発見し、視覚分析を実行して 20 を超える変数間の潜在的な関係を探索することを目指しています。これは教師なしの機械学習タスクです。ただし、より理想的なクラスタリング結果を得るには、「By」で特定の二項変数を選択すると、非常に満足のいくクラスタリング結果が得られるようです。これが半教師あり学習になったのか、教師あり学習になったのか、私は考えています。By
実は、幸運にもJMPの中国大学事業を担当するエンジニアとコンタクトを取ることができ、そのエンジニアとさらに私の推測を検証しようと思っています。もしご興味があれば、私が得た回答を皆さんと共有したいと思います。
お返事をいただいてとても嬉しかったです！幸せな人生とスムーズな仕事が送れますように〜
Re: JMP クラスタリングの使用に関する 2 つの質問
@Victor_G は次のように書きました:
こんにちは@pnogau 、
コミュニティへようこそ！
ご質問に関して：
- 混合データとモデリング タイプ (数値連続、順序、名目) のデータがある場合、 階層クラスタープラットフォームのみがこのようなさまざまなデータ タイプを処理できます。詳細については、この表が表示されている「観測をクラスタリングするためのプラットフォームの概要」を参照してください。
数値連続変数の処理を事前に行う必要はありません。データ形式、標準化の種類、欠損データの補完を指定して、プラットフォーム内で直接前処理を行うオプションがいくつかあります。 階層型クラスタープラットフォームを起動します。 - 2 番目の質問を完全に理解できていないようです。
クラスタリングは、データに「グループ」/クラスターがいくつあり、どのグループに観測データが属しているかが事前にわからない場合に使用されます。これは教師なし学習手法です。階層的クラスタリングは、JMP の興味深い手法およびプラットフォームです。これにより、観測データがクラスターにグループ化されるだけでなく、使用される変数もグループ化され、使用される変数間の類似性と相関関係を確認する双方向クラスタリングを実行できます。この分析は、 相関や多変量手法などの他の多変量プラットフォームに加えて、またはグラフ ビルダーで行われた視覚化とともに実行して、変数間の相関関係をより適切に評価できます。
また、二項変数が何らかのターゲットである場合は、クラスタリングを「ブラインド」で実行して、推奨されるグループの数を確認し、グループと二項変数間のリンクを分析できます (これは、クラスタリング用の教師なし学習と、クラスターと二項ターゲット間のリンクを分析するための教師あり学習の組み合わせになります)。または、階層的クラスタリング プラットフォームで 2 つのクラスターが必要であることを直接指定し (クラスターの数はすでにわかっており、それを検索して指定できるため、半教師あり学習と見なすことができます)、クラスタリングが二項ターゲット変数と一致するかどうか、またどのように一致するかを確認できます。
この回答がお役に立てば幸いです。
こんにちは@Victor_G 。前回の問題で進展があったので、良いニュースを共有したいと思います。おっしゃるとおり、混合データをクラスタリングする場合、JMP は事前に手動で正規化する必要がなく、連続データと離散データの両方を自動的に正規化します。少し前にJMP中国大学の地域事業責任者に連絡しましたが、まだ明確な返答がありません。その時は本当にお世話になりました。再度、感謝します！
Re: JMP クラスタリングの使用に関する 2 つの質問こんにちは @ Victor_G 、前回の件で進展がありましたので、この朗報を皆さんにお伝えしたいと思います。おっしゃるとおり、混合データをクラスタリングする場合、JMP は連続データと離散データを自動的に標準化します。事前に手動で標準化する必要はありません。しばらく前に JMP の中国地域大学ビジネス マネージャーに連絡しましたが、まだ明確な回答が得られていません。その時はご協力いただき、本当にありがとうございました。改めて感謝いたします。
