JMP에서는 그림을 표로 로드할 수 있으며, Jed Campbell은 그래프-그림에서 데이터를 추출하는 멋진 방법을 공유했습니다.
그림에서 데이터로: 분석을 위해 그림에서 그래프 데이터를 JMP 테이블로 추출
유용한 팁 중 하나는 클러스터링을 사용하여 실제 데이터에서 축과 격자선을 분리하는 것입니다. 이 방법은 서로 다른 곡선에 속하는 데이터 포인트를 분리하는 데에도 사용할 수 있습니다. 클러스터의 정확한 개수를 알고 있다면 K 평균 클러스터링을 사용할 수 있고, 좀 더 다양하게 활용하고 싶다면 계층적 클러스터링을 사용할 수 있습니다.
방금 아래 데이터 세트로 시도해 보았습니다.
그리고 기본 설정으로 얻은 결과에 놀랐습니다.
몇 가지 시행착오 끝에 해결책을 찾았습니다.
0~1 범위에는 어느 정도 의미가 있는데, 열을 개별적으로 크기를 조정하면 이 정보가 손실됩니다.
옵션을 비활성화한 후:
데이터 포인트를 완벽하게 분리했습니다.
계층적 클러스터링의 경우 2방향 클러스터링을 활성화할 수 있습니다.
이 역시 "동일한 규모"의 데이터에 의존합니다. 계층적 클러스터링의 경우 "단일"도 잘 작동하는 것으로 보입니다.
클러스터링에 대한 귀하의 경험은 어떻습니까?
다른 색상 공간을 조사해 보는 것도 좋습니다. RGB를 HLS로 변환하는 것이 유용할 수 있습니다.
RGB의 한 가지 문제점은 두 색상 사이를 보간하는 것입니다. 두 색상의 중간은 RGB 색상 큐브의 중심이 회색이기 때문에 회색으로 표현되는 경향이 있습니다. HLS는 명도와 채도로 정의되는 회색과는 독립적인 색조 축을 보간합니다. 다른 색상 공간도 있는데, 그중 일부는 인간의 시각을 모델링하도록 설계되었으며 이미지 압축 알고리즘에 사용될 수 있습니다(눈에 보이지 않는 세부 사항은 제외).
https://en.wikipedia.org/wiki/Color_space
https://en.wikipedia.org/wiki/HSL_and_HSV JMP는 HSL에 HLS를 사용합니다.
