In JMP è possibile caricare le immagini come tabelle e Jed Campbell ha condiviso alcuni fantastici trucchi su come estrarre i dati da un'immagine grafica:
Dall'immagine ai dati: estrazione dei dati grafici da un'immagine in una tabella JMP per l'analisi
Uno dei trucchi: utilizzare il clustering per separare assi e linee della griglia dai dati effettivi. Questo approccio può essere utilizzato anche per separare i punti dati che appartengono a curve diverse. Se si conosce il numero esatto di cluster, è possibile utilizzare il clustering K-Means, oppure, se si vuole sperimentare, è possibile utilizzare il clustering gerarchico.
L'ho appena provato con il set di dati qui sotto
e sono rimasto sorpreso dal risultato ottenuto con le impostazioni predefinite:
Dopo alcuni tentativi ed errori, ho trovato la soluzione:
L'intervallo 0-1 ha un certo significato, ma ridimensionando le colonne singolarmente questa informazione va persa.
Dopo aver disabilitato l'opzione:
Ho ottenuto una separazione perfetta dei punti dati:
Per il clustering gerarchico, è possibile abilitare il clustering bidirezionale:
che si basa anch'esso su dati "sulla stessa scala". Per il clustering gerarchico, anche "singolo" sembra funzionare:
Qual è la tua esperienza con il clustering?
Potresti anche voler provare altri spazi colore: può essere utile trasformare RGB in HLS.
Un problema dell'RGB è l'interpolazione tra due colori... a metà strada tra due colori tende a essere il grigio perché il centro del cubo di colore RGB è grigio. HLS interpola un asse di tonalità indipendente dal grigio definito da luminosità e saturazione. Esistono altri spazi colore; alcuni di essi dovrebbero modellare la vista umana e potrebbero essere utilizzati per algoritmi di compressione delle immagini (tralasciando i dettagli che non possiamo vedere).
https://en.wikipedia.org/wiki/Color_space
https://en.wikipedia.org/wiki/HSL_and_HSV JMP utilizza HLS per HSL
