CLUSTER.KMEANS
説明
クラスタリングとは、オブジェクトの集合をより小さなグループにグループ化するデータ マイニング手法の 1 つで、各グループ内のメンバーどうしは、いくつかの類似点を持っています。クラスタリングは、意味のある構造を見つけたり、プロセスを説明したりすることを目的とする機械学習などで使用されます。数値を使用して定量的にクラスタリングすることも、カテゴリを使用して定性的にクラスタリングすることもできます。CLUSTER.KMEANS は、データ点間の距離を計算し、中心をグループ化することで、ワークブック内のデータ範囲をクラスタリングできる定量的関数です。この関数は、各データ点を最も近い中心を持つクラスターにグループ化します。
構文
CLUSTER.KMEANS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1: 分析するセルの範囲。
- k: 作成するクラスターの数。
- maxIterations: アルゴリズムを再実行する最大回数。値を指定しない場合、上限は 100 になります。
- distanceMeasure: データ点間の距離を求めるためのアルゴリズム。指定可能な値は、CanberraDistance、ChebyshevDistance、EarthMoversDistance、EuclideanDistance、ManhattanDistance のいずれかです。値を指定しない場合、EuclideanDistance が使用されます。
- emptyStrategy: アルゴリズムの反復の実行中に、空のクラスターが検出された場合に使用するストラテジー。指定可能な値は、ERROR、FARTHEST_POINT、LARGEST_POINTS_NUMBER、LARGEST_VARIANCE のいずれかです。値を指定しない場合、LARGEST_VARIANCE が使用されます。「ERROR」を指定した場合、セルに説明付きで #ERROR が返されます。例: CLUSTER.KMEANS: K-Means 法での空のクラスター。