JMP 클러스터링 사용에 관한 두 가지 질문저는 JMPpro를 사용하여 약 10,000개의 표본과 20개의 변수로 구성된 표본 크기로 비지도 기계 학습 클러스터 분석을 수행하고 있습니다. 사용 중에 궁금한 점이 있어서 다른 사용자나 엔지니어에게 물어보고 싶습니다. 시간을 내어 질문을 읽어주시고 인내심을 가지고 분석하고 답변해 주셔서 감사합니다! 질문 1: 이 소프트웨어의 군집 분석 기능에 대한 소개를 주의 깊게 읽었습니다. JMP의 계층적 군집화는 작은 표본을 사용하는 모든 데이터 유형에 적합합니다. 그러면 데이터에 포함된 20개의 변수가 혼합데이터(연속변수, 이산변수, 순서변수, 명목변수 포함)에 속하는 경우 계층적 군집화를 수행할 때 연속변수와 명목변수를 미리 결합해야 합니까? 이산변수를 표준화한 후 [표준화 기준]에서 "비표준화"를 선택합니까? 아니면 "표준화되지 않음"을 선택한 후 소프트웨어가 자동으로 연속형 변수와 이산형 변수를 식별하고 표준화를 수행하며, 순서형 변수와 명목형 변수는 원래 값을 유지하게 됩니까(즉, 계층적 군집화 전에 수동으로 표준화할 필요가 없습니다)? 질문 2: 군집분석은 기계학습에서 비지도 학습이다. 19개의 변수가 계층적으로 군집화되어 있고, 특정(1)개의 이진 명목변수가 [기본]에 설정되어 있는 경우. 그렇다면 이 분석은 여전히 비지도 학습으로 간주됩니까, 아니면 이미 준지도 학습으로 간주됩니까? "준지도 학습"이라고 생각하지만 클러스터링 자체가 비지도 학습이라면 이들 간의 관계를 어떻게 정확하게 설명해야 할까요?
예측 모델링 및 머신 러닝Re: JMP 클러스터링 사용에 관한 두 가지 질문안녕하세요 @pnogau ,
커뮤니티에 오신 것을 환영합니다!
귀하의 질문에 대하여 :
- 혼합된 데이터와 모델링 유형(숫자 연속형, 순서형 및 명목형)이 있는 데이터가 있는 경우 계층적 클러스터 플랫폼만이 이러한 다양한 데이터 유형을 처리할 수 있습니다. 자세한 내용은 여기에서 확인할 수 있습니다. 관찰 클러스터링 플랫폼 개요 에 이 표가 표시되어 있습니다.
숫자형 연속 변수의 처리를 미리 할 필요가 없습니다. 데이터 형식, 표준화 유형, 누락된 데이터 대체를 지정하여 플랫폼에서 직접 사전 처리를 수행하는 몇 가지 옵션이 있습니다. 계층적 클러스터 플랫폼 실행
- 두 번째 질문은 잘 이해가 안 갑니다.
클러스터링은 데이터에 "그룹"/클러스터가 몇 개 있는지, 그리고 관찰치가 속한 그룹이 무엇인지 미리 알 수 없을 때 사용되므로 비지도 학습 기법입니다. 계층적 클러스터링은 JMP에서 흥미로운 기법이자 플랫폼으로, 관찰치를 클러스터로 그룹화하고 사용된 변수도 그룹화하여 사용된 변수 간의 유사성과 상관 관계를 확인할 수 있는 Two-Way 클러스터링을 수행할 수 있습니다. 이 분석은 Correlations 및 Multivariate Techniques 와 같은 다른 다변량 플랫폼에 추가하여 수행하거나 Graph Builder로 시각화하여 변수 간의 상관 관계를 더 잘 평가할 수 있습니다.
또한 이항 변수가 어떤 종류의 타겟이라면 클러스터링을 "맹목적으로" 수행하여 얼마나 많은 그룹이 권장되는지 확인하고 그룹과 이항 변수 간의 연결을 분석할 수 있습니다(클러스터링을 위한 비지도 학습과 클러스터와 이항 타겟 간의 연결을 분석하기 위한 지도 학습의 조합). 또는 계층적 클러스터링 플랫폼에서 2개의 클러스터를 원한다고 직접 지정할 수 있습니다(이미 찾을 클러스터 수를 알고 지정했기 때문에 반지도 학습으로 간주할 수 있음). 그리고 클러스터링이 이항 타겟 변수와 일치하는지/어떻게 일치하는지 확인할 수 있습니다.
이 답변이 도움이 되길 바랍니다.
Re: JMP 클러스터링 사용에 관한 두 가지 질문안녕하세요. @Victor_G
포럼에서 제 질문에 대한 도움과 인내심 있는 답변에 진심으로 감사드립니다. 여러분의 답변과 제안은 저에게 귀중한 통찰력을 제공했으며, 제가 직면했던 문제가 잠정적으로 해결되었다고 믿습니다.
질문 1: 제 데이터에 혼합된 유형의 변수가 포함되어 있으므로 계층적 클러스터링을 수행하는 것이 실제로 필요합니다. 또한 귀하의 조언에 따라 "Launch the Hierarchical Cluster Platform"을 주의 깊게 다시 읽고 해결책을 찾았습니다. 연속 및 순서형 열에 대한 다른 측정 척도 문제를 해결하려면 먼저 연속 및 이산 변수를 표준화한 다음 "Standardize By"에서 "Unstandardized"를 선택해야 하는 것 같습니다. 표준화 기준
질문 2: 제 의심에 대한 당신의 이해는 매우 정확했고, 당신의 답변은 저에게 중요한 영감을 주었습니다. 사실, 저는 클러스터 분석을 사용하여 방대한 데이터 세트(개인) 내에서 다른 클러스터를 발견하고 20개 이상의 변수 간의 잠재적 관계를 탐색하기 위한 시각적 분석을 수행하려고 합니다. 이는 비지도 머신 러닝 작업입니다. 그러나 더 이상적인 클러스터링 결과를 얻으려면 "By"에서 특정 이항 변수를 선택하면 매우 만족스러운 클러스터링 결과가 나오는 것 같습니다. 이것이 이제 반지도 학습이 되었는지 지도 학습이 되었는지 고민하고 있습니다. By
사실, 저는 중국에서 JMP의 대학 사업을 담당하는 엔지니어와 연락할 수 있어서 운이 좋았고, 그 엔지니어와 제 추측을 더욱 검증할 계획입니다. 관심이 있으시다면 제가 받은 답변을 공유해드리겠습니다.
당신의 답장을 받고 매우 기뻤습니다! 행복한 삶과 순조로운 일을 기원합니다 ~
Re: JMP 클러스터링 사용에 관한 두 가지 질문
@Victor_G 님이 쓰셨습니다:
안녕하세요 @pnogau ,
커뮤니티에 오신 것을 환영합니다!
귀하의 질문에 대하여 :
- 혼합된 데이터와 모델링 유형(숫자 연속형, 순서형 및 명목형)이 있는 데이터가 있는 경우 계층적 클러스터 플랫폼만이 이러한 다양한 데이터 유형을 처리할 수 있습니다. 자세한 내용은 여기에서 확인할 수 있습니다. 관찰 클러스터링 플랫폼 개요 에 이 표가 표시되어 있습니다.
숫자형 연속 변수의 처리를 미리 할 필요가 없습니다. 데이터 형식, 표준화 유형, 누락된 데이터 대체를 지정하여 플랫폼에서 직접 사전 처리를 수행하는 몇 가지 옵션이 있습니다. 계층적 클러스터 플랫폼 실행 - 두 번째 질문은 잘 이해가 안 갑니다.
클러스터링은 데이터에 "그룹"/클러스터가 몇 개 있는지, 그리고 관찰치가 속한 그룹이 무엇인지 미리 알 수 없을 때 사용되므로 비지도 학습 기법입니다. 계층적 클러스터링은 JMP에서 흥미로운 기법이자 플랫폼으로, 관찰치를 클러스터로 그룹화하고 사용된 변수도 그룹화하여 사용된 변수 간의 유사성과 상관 관계를 확인할 수 있는 Two-Way 클러스터링을 수행할 수 있습니다. 이 분석은 Correlations 및 Multivariate Techniques 와 같은 다른 다변량 플랫폼에 추가하여 수행하거나 Graph Builder로 시각화하여 변수 간의 상관 관계를 더 잘 평가할 수 있습니다.
또한 이항 변수가 어떤 종류의 타겟이라면 클러스터링을 "맹목적으로" 수행하여 얼마나 많은 그룹이 권장되는지 확인하고 그룹과 이항 변수 간의 연결을 분석할 수 있습니다(클러스터링을 위한 비지도 학습과 클러스터와 이항 타겟 간의 연결을 분석하기 위한 지도 학습의 조합). 또는 계층적 클러스터링 플랫폼에서 2개의 클러스터를 원한다고 직접 지정할 수 있습니다(이미 찾을 클러스터 수를 알고 지정했기 때문에 반지도 학습으로 간주할 수 있음). 그리고 클러스터링이 이항 타겟 변수와 일치하는지/어떻게 일치하는지 확인할 수 있습니다.
이 답변이 도움이 되길 바랍니다.
안녕하세요 @Victor_G 님 , 지난호에서 진전이 있었고 좋은 소식을 여러분과 공유하고 싶었습니다. 말씀하신 대로 혼합 데이터를 군집화할 때 JMP는 사전에 수동으로 정규화할 필요 없이 연속 데이터와 이산 데이터를 모두 자동으로 정규화합니다. 얼마 전 JMP 중국대학 지역 사업부장에게 연락했지만 아직까지 명확한 답변을 받지 못했습니다. 그 때 도와주셔서 정말 감사했습니다. 다시 한 번 감사드립니다!
Re: JMP 클러스터링 사용에 관한 두 가지 질문안녕하세요 @ Victor_G , 저는 지난 호에서 진전을 이루었고, 이 좋은 소식을 여러분과 공유하고 싶었습니다. 말씀하신 대로, 혼합 데이터를 클러스터링할 때 JMP는 사전에 수동 표준화가 필요 없이 연속 및 불연속 데이터를 자동으로 표준화합니다. 얼마 전에 대학을 위한 JMP 중국 지역 사업 관리자에게 연락했지만, 아직 확실한 답변을 받지 못했습니다. 그때 여러분의 도움에 매우 감사드립니다. 다시 한번 감사드립니다!
