আমি আমার ক্লাস্টার বিশ্লেষণে ভেরিয়েবলগুলিকে বিভিন্ন ওজন নির্ধারণ করতে চাই, তবে আমার প্রোগ্রাম (স্টাটা) এর পক্ষে এর কোনও বিকল্প নেই বলে মনে হচ্ছে, তাই আমার নিজের হাতে এটি করা দরকার।
4, ভেরিয়েবল এ, বি, সি, ডি কল্পনা করুন those ভেরিয়েবলের ওজন হওয়া উচিত
w(A)=50%
w(B)=25%
w(C)=10%
w(D)=15%
আমি ভাবছি যে নিম্নলিখিত দুটি পদ্ধতির একটি আসলে কৌশলটি করবে কিনা:
- প্রথমে আমি সমস্ত ভেরিয়েবল মানক করে (যেমন তাদের পরিসর অনুসারে)। তারপরে আমি প্রতিটি মানক পরিবর্তনশীলকে তাদের ওজন দিয়ে গুণিত করি weight তারপরে গুচ্ছ বিশ্লেষণ করুন।
- আমি সমস্ত ভেরিয়েবলকে তাদের ওজন দিয়ে গুণিত করি এবং পরে তাদের মানক করি। তারপরে গুচ্ছ বিশ্লেষণ করুন।
না উভয় ধারণা সম্পূর্ণ বাজে?
[সম্পাদনা] ক্লাস্টারিং অ্যালগোরিদম (আমি 3 টি ভিন্ন চেষ্টা করি) আমি ব্যবহার করতে চাই তা হ'ল কে-মানে, ওজনযুক্ত-গড় লিঙ্কেজ এবং গড়-লিঙ্কেজ। আমি কে-মানেতে পরে প্লাগ ইন করে যাচ্ছি এমন একটি ভাল সংখ্যক ক্লাস্টার নির্ধারণ করতে আমি ওয়েট-গড় লিঙ্কেজ ব্যবহার করার পরিকল্পনা করছি।
1
দুটি উপায়ই সঠিক নয় not ভেরিয়েবলের গুণাগুণগুলি ক্লাস্টারিংয়ের জন্য ওজনীয় চলক গুরুত্বের সমতুল্য নয়। যদি প্রোগ্রামটির ওজন বিকল্প না থাকে আপনি কখনও কখনও আপনার ইচ্ছামতো ডেটা দিয়ে তা করতে পারেন - তবে এটি আপনার ক্লাস্টারিংয়ের প্রকৃতির উপর নির্ভর করে। সুতরাং, আপনার ক্লাস্টারিংয়ের বিবরণটি (আপনার প্রশ্নে) বর্ণনা করুন: আপনি কোন অ্যালগরিদম এবং পদ্ধতিটি ব্যবহার করছেন।
—
ttnphns
নোট করুন যে ওজন পরিবর্তনশীলগুলির সবচেয়ে সহজ এবং সর্বজনীন উপায় (এবং ওজনগুলি পূর্ণসংখ্যা বা পূর্ণসংখ্যক তৈরি করা যেতে পারে) কেবল সেই ওজনগুলির পরিবর্তনশীলগুলি প্রচার করতে পারে। আপনার উদাহরণস্বরূপ, আপনি আপনার ক্লাস্টারিংয়ে 50 হিসাবে, 25 বিএস, 10 সিসি, 15 ডিএস নিতে পারেন।
—
ttnphns
বা, বিকল্প: আপনি যদি ইউক্যালিডিয়ান পরিমাপের উপর ভিত্তি করে ক্লাস্টারিং ব্যবহার করেন বা আপনি কে-মাধ্যম ব্যবহার করেন, তবে প্রতিটি ভেরিয়েবলের ওজনের বর্গমূলের দ্বারা গুণন করুন। এই গুণটি অবশ্যই কোনও প্রাক-প্রক্রিয়াজাতকরণের পরে সম্পন্ন করা উচিত (যেমন মানককরণ ) আপনি ক্লাস্টারিংয়ের আগে করতে চান।
—
ttnphns