CLUSTER.KMEANS.CENTROIDS
Omschrijving
Clustering is een dataminingtechniek voor het groeperen van een set objecten in kleinere groepen, waarbij de leden van elke groep in een bepaald opzicht vergelijkbaar zijn met de andere leden. Clustering wordt bijvoorbeeld gebruikt bij machine learning, waarbij het doel is om betekenisvolle structuren te vinden of processen uit te leggen. U kunt kwantitatief clusteren met behulp van getallen of kwalitatief met behulp van categorieën. CLUSTER.KMEANS.CENTROIDS is een kwantitatieve functie waarmee u een gegevensbereik in een werkmap kunt clusteren door het middelpunt van elke groep te zoeken en de afstanden tussen punten en groepsmiddelpunten te berekenen. De functie groepeert elk gegevenspunt met het cluster met het dichtstbijzijnde middelpunt.
Syntaxis
CLUSTER.KMEANS.CENTROIDS(
range1
,
k
, [
maxIterations
], [
distanceMeasure
], [
emptyStrategy
])
- range1: het celbereik dat moet worden geanalyseerd.
- k: het aantal clusters dat moet worden gemaakt.
- maxIterations: het maximum aantal keren dat het algoritme opnieuw moet worden uitgevoerd. Als u geen waarde opgeeft, is de limiet 100.
- distanceMeasure: het algoritme dat wordt gebruikt om de afstand tussen punten te vinden. Mogelijke waarden zijn CanberraDistance, ChebyshevDistance, EarthMoversDistance, EuclideanDistance of ManhattanDistance. Als u geen waarde opgeeft, gebruikt de functie EuclideanDistance.
- emptyStrategy: de strategie die moet worden gebruikt als de functie lege clusters vindt tijdens het uitvoeren van de iteraties van het algoritme. Mogelijke waarden zijn ERROR, FARTHEST_POINT, LARGEST_POINTS_NUMBER of LARGEST_VARIANCE. Als u geen waarde opgeeft, gebruikt de functie LARGEST_VARIANCE. Als u ERROR opgeeft, retourneert de functie #ERROR in de cel met een omschrijving. Voorbeeld: CLUSTER.KMEANS: Leeg cluster in k-means.