CLUSTER.KMEANS
Description
Le regroupement est une technique d’exploration de données qui permet de regrouper un ensemble d’objets en groupes plus petits, dans lesquels chaque membre du groupe est similaire aux autres membres sous certains aspects. Le regroupement est utilisé par exemple dans l’apprentissage automatique, où l’objectif est de rechercher des structures pertinentes ou d’expliquer des processus. Vous pouvez regrouper les données de manière quantitative à l’aide de nombres ou de manière qualitative en utilisant des catégories. CLUSTER.KMEANS est une fonction quantitative qui vous permet de regrouper une plage de données dans un classeur, en calculant les distances entre les points et les centres des groupes. La fonction regroupe chaque point de données avec le groupe ayant le centre le plus proche.
Syntaxe
CLUSTER.KMEANS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1: La plage de cellules à analyser.
- k: Nombre de groupes à créer.
- maxIterations: Nombre maximum de réexécutions de l'algorithme. Si vous n’indiquez aucune valeur, la limite est 100.
- distanceMeasure: L'algorithme utilisé pour déterminer la distance entre les points. Les valeurs possibles sont CanberraDistance, ChebyshevDistance, EarthMoversDistance, EuclideanDistance, ou ManhattanDistance. Si vous n’indiquez aucune valeur, la fonction utilise EuclideanDistance.
- emptyStrategy: Stratégie à utiliser si la fonction trouve des groupes vides lors de l'exécution des itérations de l'algorithme. Les valeurs possibles sont ERROR, FARTHEST_POINT, LARGEST_POINTS_NUMBER, ou LARGEST_VARIANCE. Si vous n’indiquez aucune valeur, la fonction utilise LARGEST_VARIANCE. Si vous indiquez ERROR, la fonction renvoie #ERROR dans la cellule avec une description. Exemple : CLUSTER.KMEANS : groupe vide dans les k-moyennes.