CLUSTER.KMEANS.CENTROIDS
설명
클러스터링은 오브젝트 세트를 더 작은 그룹으로 그룹화하기 위한 데이터 마이닝 기술입니다(각 그룹의 구성원이 특정 면에서 다른 구성원과 유사한 경우). 클러스터링은 의미 있는 구조를 찾거나 프로세스를 설명하는 것이 목표인 머신러닝 등에 사용됩니다. 숫자를 사용하여 정량적으로 클러스터링하거나 카테고리를 사용하여 정성적으로 클러스터링할 수 있습니다. CLUSTER.KMEANS.CENTROIDS는 각 그룹의 중심점을 찾고 점 및 그룹 중심 간의 거리를 계산하여 워크북의 데이터 범위를 클러스터링할 수 있는 정량적 함수입니다. 이 함수는 중심이 가장 가까운 클러스터를 사용하여 각 데이터 요소를 그룹화합니다.
구문
CLUSTER.KMEANS.CENTROIDS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1: 분석할 셀의 범위입니다.
- k: 생성할 클러스터 수입니다.
- maxIterations: 알고리즘을 재실행할 최대 횟수입니다. 값을 지정하지 않으면 100으로 제한됩니다.
- distanceMeasure: 점 사이의 거리를 찾는 데 사용되는 알고리즘입니다. 가능한 값은 CanberraDistance, ChebyshevDistance, EarthMoversDistance, EuclideanDistance 또는 ManhattanDistance입니다. 값을 지정하지 않으면 EuclideanDistance가 사용됩니다.
- emptyStrategy: 알고리즘 반복을 실행하는 동안 함수가 빈 클러스터를 찾는 경우 사용할 전략입니다. 가능한 값은 ERROR, FARTHEST_POINT, LARGEST_POINTS_NUMBER 또는 LARGEST_VARIANCE입니다. 값을 지정하지 않으면 LARGEST_VARIANCE가 사용됩니다. ERROR를 지정하면 셀에 설명과 함께 #ERROR가 반환됩니다. 예를 들어 'CLUSTER.KMEANS: Empty cluster in k-means' 설명이 포함된 오류가 반환됩니다.