একটি উপায় হ'ল গওয়ার সমতা সহগ ব্যবহার করা যা একটি যৌগিক পরিমাপ 1 ; এটি পরিমাণগত (যেমন রেটিং স্কেল), বাইনারি (যেমন বর্তমান / অনুপস্থিত) এবং নামমাত্র (যেমন কর্মী / শিক্ষক / কেরানি) পরিবর্তনশীল লাগে। পরবর্তীতে পোদানি 2 পাশাপাশি সাধারণ ভেরিয়েবলগুলি গ্রহণের জন্য একটি বিকল্প যুক্ত করেছে।12
সূত্র ছাড়াও সহগ সহজেই বোঝা যায়; আপনি প্রতিটি ভেরিয়েবল দ্বারা ব্যক্তির মধ্যে সাদৃশ্য মানটি গণনা করে ভেরিয়েবলের ধরণটিকে বিবেচনায় আনেন এবং তারপরে গড়গুলি সমস্ত ভেরিয়েবল জুড়ে গড়ে তুলুন। সাধারণত, গওয়ারের গণনা করা একটি প্রোগ্রাম আপনাকে যৌগিক সূত্রে ভেরিয়েবল, অর্থাৎ তাদের অবদানের ওজন দিতে দেয়। তবে বিভিন্ন ধরণের ভেরিয়েবলের যথাযথ ওজন একটি সমস্যা , কোনও পরিষ্কার-নির্দেশিকা নির্দেশ নেই, যা গাওয়ার বা অন্যান্য "সম্মিলিত" সূচকগুলির নিকটবর্তী হওয়ার সূচকগুলিকে তৈরি করে।
উত্পাদক মিল ( জি এস ) এর দিকগুলি :
- যখন সমস্ত ভেরিয়েবলগুলি পরিমাণগত (অন্তর) হয় তখন সহগ হ'ল পরিসীমা-নরমালাইজড ম্যানহাটনের দূরত্বকে সাদৃশ্য হিসাবে রূপান্তরিত করে। সাধারণকরণের কারণে বিভিন্ন ইউনিটের ভেরিয়েবলগুলি নিরাপদে ব্যবহার করা যেতে পারে। আপনার অবশ্য বহিরাগতদের ভুলে যাওয়া উচিত নয়। (আপনি পরিসরের চেয়ে স্প্রেডের অন্য কোনও ব্যবস্থার দ্বারাও সাধারণীকরণের সিদ্ধান্ত নিতে পারেন)) কারণ কোনও পরিসংখ্যান দ্বারা পরিসর হিসাবে কথিত সাধারণীকরণের কারণে, যা কিছু দুটি ব্যক্তির মধ্যে ডেটাसेट গওয়ারের মিলের মধ্যে ব্যক্তির গঠনের সংবেদনশীল, এর মান পরিবর্তন করতে পারে আপনি যদি ডেটাতে কিছু অন্য ব্যক্তিকে সরিয়ে বা যুক্ত করেন।
- যখন সমস্ত ভেরিয়েবলগুলি অর্ডিনাল হয়, তারপরে সেগুলি প্রথমে র্যাঙ্ক করা হয় এবং তারপরে ম্যানহাটানকে গুণগত ভেরিয়েবলগুলির সাথে উপরে হিসাবে গণনা করা হয় তবে বন্ধনের জন্য বিশেষ সমন্বয় করা হয়।
- যখন সমস্ত ভেরিয়েবলগুলি বাইনারি হয় (বিভাগগুলির একটি অসামঞ্জস্যপূর্ণ তাত্পর্য সহ: "উপস্থিত" বনাম "অনুপস্থিত" গুণাবলী) তখন সহগটি হ'ল জ্যাকার্ডের মিলের সহগ (যখন উভয় ব্যক্তিরই মিল নেই বা মিল নেই বলে গুণটির অভাব হয় তখন এই সহগ হয়)।
- সমস্ত ভেরিয়েবল যখন নামমাত্র হয় (সাথে সাথে এখানে প্রতিসম তাত্পর্যপূর্ণ দ্বিধাত্বিক বৈশিষ্ট্যও রয়েছে: "এই" বনাম "যে") তবে সহগটি হ'ল ডাইস ম্যাচিং সহগ যা আপনি আপনার নামমাত্র ভেরিয়েবলগুলি থেকে ডামি ভেরিয়েবলগুলিতে পুনঃনির্মাণ করা হলে (আরও এই উত্তর দেখুন) ।
(প্রকারের তালিকাটি প্রসারিত করা সহজ example উদাহরণস্বরূপ, সাধারণ গতিযুক্ত চি-স্কোয়ার্ড দূরত্বকে একইরূপে রূপান্তরিত করে কাউন্ট ভেরিয়েবলের যোগফল যোগ করতে পারে))
সহগ 0 এবং 1 এর মধ্যে রয়েছে।
1 - জি এস------√1 - জি এস1 - জি এস------√1 - জি এস
ইউক্লিডিয়ান দূরত্ব (ইউক্লিডিয়ান স্পেসকে সমর্থনকারী দূরত্বগুলি) সহ কার্যত কোনও ক্লাসিক ক্লাস্টারিং কৌশলটি করবে। কে- মানেগুলি সহ (যদি আপনার কে-মানে প্রোগ্রাম অবশ্যই দূরত্বের ম্যাট্রিকগুলি প্রসেস করতে পারে) এবং ওয়ার্ডস, সেন্ট্রয়েড, হায়ারারিকাল ক্লাস্টারিংয়ের মাঝারি পদ্ধতিগুলি সহ । ন-ইউক্লিডিয়ান সহ ইউক্লিডিয়ান দূরত্বের ভিত্তিতে কে-মানে বা অন্যান্য পদ্ধতিগুলি ব্যবহার করা এখনও মেট্রিক দূরত্ব হ'ল হিউরিস্টিকভাবে মান্যযোগ্য, সম্ভবত। অ-মেট্রিক দূরত্ব সহ, এই জাতীয় কোনও পদ্ধতি ব্যবহার করা যাবে না।
অথবা যদি কে-উপায় বা ওয়ার্ড এর বা এই ধরনের ক্লাস্টারিং বৈধ সম্পর্কে পূর্ববর্তী অনুচ্ছেদ আলোচনা না গাওয়ার দূরত্ব সঙ্গে গাণিতিকভাবে (জ্যামিতিক)। থেকে পরিমাপ মাপের ( "সাইকোমেট্রিক") দৃশ্য এক বিন্দু কোনো নিঃশর্ত এটা থেকে গড় বা ইউক্লিডিয় দূরবর্তী ডেভিয়েশন (নামমাত্র, বাইনারি, সেইসাথে পূরণবাচক) ডেটা গনা করা উচিত নয়; অতএব এই অবস্থান থেকে আপনি কে-ইনস, ওয়ার্ড ইত্যাদি দ্বারা উত্পাদক সহগের প্রক্রিয়াজাত করতে পারবেন না view এই দৃষ্টিভঙ্গি সতর্ক করে যে কোনও ইউক্যালিডিয়ান স্থান উপস্থিত থাকলেও এটি দানাদার হতে পারে, মসৃণ নয় ( সম্পর্কিত দেখুন )।
1
2