871470_zh-CN

liliconcom

分割功率变化数据

我们正在处理一个用例，客户拥有某个产品的功率变化数据（平均值和最大值）。他们之前根据功率值的变化手动将图表划分为不同的工作负载状态。现在，他们计划使用 JMP 实现这一划分过程的自动化。

我已附上数据以及一张显示预期（手动得出）结果的屏幕截图。每个已识别的状态都由起点和终点定义，这些起点和终点列在“起点/终点”列中。对于每个状态，在实际起点和终点周围应用±5行的缓冲区。

与客户交谈后的一些重要澄清：
1. 变化不是基于时间的
2. 状态数不固定。它不会像截图中显示的那样总是 11 个
3. 使用第二个 Y 轴变量区分手动结果中的状态 7 和 8

我尝试了层次聚类和 K 均值聚类，它们的结果接近手动结果，但不完全匹配。有什么建议可以在 JMP 中更好地自动化此细分过程吗？

回复：分割功率变化数据

我最初的想法是去除零点，然后平滑数据，并在导数中寻找峰值作为不同段的标记。我认为这是可行的，但有点“蛮力”。聚类听起来像是一个“更好”的解决方案，尽管我在这方面没有太多经验。

使用层次聚类，我通过将方法设置为“单一”，数据格式设置为“数据堆叠”，并将“非标准化”设置为“非标准化”，取得了一些进展。如果我理解正确的话，我认为这将通过查看时间和功率上彼此接近的“相邻”点来形成聚类，并将它们视为二维空间中的点，以时间为 X，功率为 Y。也许其他人可以从这里借鉴？

Hierarchical Cluster(
	Y( :"Time(s)"n, :"Power AVG (W)"n ),
	Method( "Single" ),
	Standardize Data( 0, "(for backward compatibility)" ),
	Standardize By( "Unstandardized" ),
	Dendrogram Scale( "Distance Scale" ),
	Number of Clusters( 20 ),
	SendToReport(
		Dispatch( {"Dendrogram"}, "Clust Dendro", FrameBox,
			{Frame Size( 47, 700 )}
		)
	)
);

回复：分割功率变化数据

转念一想，我觉得使用“数据堆叠”是不正确的。但使用“单一”+“非标准化”对我来说仍然能得到不错的结果。