Dos preguntas sobre el uso de la agrupación en clústeres JMPEstoy utilizando JMPpro para realizar un análisis de conglomerados de aprendizaje automático no supervisado con un tamaño de muestra de aproximadamente 10.000 muestras y 20 variables. Tengo algunas preguntas durante el uso y me gustaría venir aquí para preguntar a otros usuarios o ingenieros. ¡Gracias por tomarse el tiempo de leer, analizar y responder pacientemente mis preguntas! Pregunta 1: He leído atentamente la introducción a la función de análisis de conglomerados de este software. La agrupación jerárquica en JMP es adecuada para cualquier tipo de datos con muestras pequeñas. Entonces, si las 20 variables de los datos pertenecen a datos mixtos (incluidas variables continuas, variables discretas, variables ordinales y variables nominales), ¿debo combinar las variables continuas y las variables nominales de antemano al realizar una agrupación jerárquica? ¿Se estandarizan las variables discretas y luego se selecciona "no estandarizado" en [Bases de estandarización]? ¿O el software identificará automáticamente variables continuas y variables discretas y realizará la estandarización después de seleccionar "No estandarizado", y las variables ordinales y nominales mantendrán sus valores originales (es decir, no es necesario estandarizar manualmente antes de la agrupación jerárquica)? Pregunta 2: El análisis de conglomerados es un aprendizaje no supervisado en el aprendizaje automático si se agrupan jerárquicamente 19 variables y se establece una determinada (1) variable nominal binaria en [Básico]. Entonces, ¿este análisis todavía se considera aprendizaje no supervisado o ya es aprendizaje semisupervisado? Si se considera "aprendizaje semi-supervisado", pero el agrupamiento en sí mismo es aprendizaje no supervisado, ¿cómo debería describirse con precisión la relación entre ellos?
Modelado predictivo y aprendizaje automáticoRe: Dos preguntas sobre el uso de clustering JMPHola @pnogau ,
¡Bienvenido a la Comunidad!
Respecto a sus preguntas:
- Si tiene datos con un tipo de modelado y datos mixtos (numérico continuo, ordinal y nominal), entonces solo la plataforma de clúster jerárquico podrá manejar esos tipos de datos tan variados. Puede obtener más información aquí, Descripción general de las plataformas para agrupar observaciones, donde se muestra esta tabla:
No es necesario realizar el procesamiento de las variables numéricas continuas de antemano, existen varias opciones para realizar el preprocesamiento directamente en la plataforma especificando el formato de los datos, el tipo de estandarización y la imputación de datos faltantes: Inicie la Plataforma de Clúster Jerárquico
- No estoy seguro de entender completamente tu segunda pregunta.
La agrupación en clústeres se utiliza cuando no se sabe de antemano cuántos "grupos"/conglomerados hay en los datos y a qué grupo pertenecen las observaciones, por lo que se trata de una técnica de aprendizaje no supervisado. La agrupación en clústeres jerárquica es una técnica y una plataforma interesantes en JMP, ya que permite realizar una agrupación en clústeres de dos vías, en la que las observaciones se agrupan en clústeres, pero también las variables utilizadas, para ver la similitud y las correlaciones entre las variables utilizadas. Este análisis se puede realizar además de otras plataformas multivariadas como Correlations and Multivariate Techniques o con visualizaciones realizadas con Graph Builder, para evaluar mejor las correlaciones entre las variables.
Además, si su variable binomial es algún tipo de objetivo, puede realizar la agrupación "a ciegas" y ver cuántos grupos se recomiendan, y analizar el vínculo entre los grupos y la variable binomial (lo que sería una combinación de aprendizaje no supervisado para la agrupación y luego aprendizaje supervisado para analizar el vínculo entre los clústeres y el objetivo binomial), o especificar directamente que desea 2 clústeres en la plataforma de agrupación jerárquica (lo que podría considerarse como aprendizaje semisupervisado, ya que ya sabe la cantidad de clústeres para encontrar y especificarlo), y ver si/cómo la agrupación coincide con la variable objetivo binomial.
Espero que esta respuesta te ayude.
Re: Dos preguntas sobre el uso de clustering JMPHola @Victor_G
Muchas gracias por su ayuda y por su paciente respuesta a mi pregunta en el foro. Sus respuestas y sugerencias me han proporcionado información valiosa y creo que el problema al que me enfrentaba se ha resuelto de forma provisional.
Pregunta 1: Dado que mis datos contienen tipos mixtos de variables, es realmente necesario realizar una agrupación jerárquica. Además, siguiendo su consejo, volví a leer atentamente "Launch the Hierarchical Cluster Platform" y encontré la solución: para abordar el problema de las diferentes escalas de medición para las columnas continuas y ordinales, parece que primero debería estandarizar las variables continuas y discretas y luego seleccionar "Sin estandarizar" en "Estandarizar por". Estandarizar por
Pregunta 2: Su comprensión de mis dudas fue muy precisa y su respuesta me ha brindado una inspiración importante. De hecho, mi objetivo es utilizar el análisis de conglomerados para descubrir diferentes conglomerados dentro de un vasto conjunto de datos (individuos) y realizar un análisis visual para explorar las posibles relaciones entre más de veinte variables, lo que es una tarea de aprendizaje automático no supervisado. Sin embargo, para obtener resultados de agrupamiento más ideales, parece que elegir una determinada variable binomial en "Por" produce resultados de agrupamiento muy satisfactorios. Me pregunto si esto ahora se ha convertido en aprendizaje semisupervisado o supervisado. Por
En realidad, tuve la suerte de ponerme en contacto con un ingeniero responsable de los asuntos universitarios de JMP en China, y estoy pensando en verificar más a fondo mi conjetura con él. Si estás interesado, compartiré contigo las respuestas que reciba.
¡Me emocioné mucho al recibir tu respuesta! Te deseo una vida feliz y un trabajo sin problemas ~
Re: Dos preguntas sobre el uso de clustering JMP
@Victor_G escribió:
Hola @pnogau ,
¡Bienvenido a la Comunidad!
Respecto a sus preguntas:
- Si tiene datos con un tipo de modelado y datos mixtos (numérico continuo, ordinal y nominal), entonces solo la plataforma de clúster jerárquico podrá manejar esos tipos de datos tan variados. Puede obtener más información aquí, Descripción general de las plataformas para agrupar observaciones, donde se muestra esta tabla:
No es necesario realizar el procesamiento de las variables numéricas continuas de antemano, existen varias opciones para realizar el preprocesamiento directamente en la plataforma especificando el formato de los datos, el tipo de estandarización y la imputación de datos faltantes: Inicie la Plataforma de Clúster Jerárquico - No estoy seguro de entender completamente tu segunda pregunta.
La agrupación en clústeres se utiliza cuando no se sabe de antemano cuántos "grupos"/conglomerados hay en los datos y a qué grupo pertenecen las observaciones, por lo que se trata de una técnica de aprendizaje no supervisado. La agrupación en clústeres jerárquica es una técnica y una plataforma interesantes en JMP, ya que permite realizar una agrupación en clústeres de dos vías, en la que las observaciones se agrupan en clústeres, pero también las variables utilizadas, para ver la similitud y las correlaciones entre las variables utilizadas. Este análisis se puede realizar además de otras plataformas multivariadas como Correlations and Multivariate Techniques o con visualizaciones realizadas con Graph Builder, para evaluar mejor las correlaciones entre las variables.
Además, si su variable binomial es algún tipo de objetivo, puede realizar la agrupación "a ciegas" y ver cuántos grupos se recomiendan, y analizar el vínculo entre los grupos y la variable binomial (lo que sería una combinación de aprendizaje no supervisado para la agrupación y luego aprendizaje supervisado para analizar el vínculo entre los clústeres y el objetivo binomial), o especificar directamente que desea 2 clústeres en la plataforma de agrupación jerárquica (lo que podría considerarse como aprendizaje semisupervisado, ya que ya sabe la cantidad de clústeres para encontrar y especificarlo), y ver si/cómo la agrupación coincide con la variable objetivo binomial.
Espero que esta respuesta te ayude,
Hola @Victor_G , avancé en el último número y quería compartir contigo las buenas noticias. Como dijo, al agrupar datos mixtos, JMP normaliza automáticamente los datos continuos y discretos sin la necesidad de una normalización manual previa. Aunque me comuniqué con el gerente comercial regional de la Universidad JMP China hace algún tiempo, todavía no he recibido una respuesta clara. Realmente aprecio tu ayuda en ese momento. ¡Gracias de nuevo!
Re: Dos preguntas sobre el uso de clustering JMPHola @Victor_G He avanzado en mi último problema y quería compartir esta buena noticia con usted. Tal como dijo, al agrupar datos mixtos, JMP estandariza automáticamente los datos continuos y discretos sin necesidad de una estandarización manual previa. Aunque me puse en contacto con el gerente comercial regional de JMP China para universidades hace algún tiempo, todavía no he recibido una respuesta definitiva. Estoy muy agradecido por su ayuda en ese momento. ¡Gracias de nuevo!
