About cookies on this site Our websites require some cookies to function properly (required). In addition, other cookies may be used with your consent to analyze site usage, improve the user experience and for advertising. For more information, please review your options. By visiting our website, you agree to our processing of information as described in IBM’sprivacy statement. To provide a smooth navigation, your cookie preferences will be shared across the IBM web domains listed here.
資料の 英語版 に戻る
K-Means ノード (SPSS Modeler)
K-Means ノード
最終更新: 2025年2月11日
K-Means ノードは、クラスター分析手法を提供しています。 開始時にグループの性質がわからない場合に、このノードを使用してデータセットを異なるグループにクラスター化できます。 SPSS Modelerのほとんどの学習方法とは異なり、K-Means モデルは対象フィールドを使用 しません 。 このタイプの学習は、対象フィールドがないことから、教師なし学習と呼ばれます。 K-Means では、結果が予測されるのではなく、一連の入力フィールドのパターンが明らかにされます。 レコードは、1 つのグループまたはクラスター内のレコード同士がよく似た特性を持ち、異なるグループのレコードが互いに類似しないように分類されます。
K-Means では、データから派生した開始クラスター中心のセットが定義されます。 その後、レコードの入力フィールド値を基に、各レコードが最も類似するクラスターに割り当てられます。 ケースの割り当てが完了すると、クラスター中心が更新され、各クラスターに割り当てられた新しいレコードのセットが反映されます。 その後、レコードを別のクラスターに再割り当てする必要があるかどうかが再確認されます。このレコード割り当てとクラスター反復の過程は、最大反復数に達するまで、またはある反復処理と次の反復処理間の変化が、指定された閾値を超えなくなるまで繰り返されます。
注: 結果のモデルは、トレーニング・データの順序にある程度依存します。 データを並べ替えてモデルを再作成すると、異なる最終クラスター・モデルが作成されることがあります。
要件。 K-Means モデルをトレーニングするには、役割が
に設定された 1 つ以上のフィールドが必要です。 役割が Input
、 Output
、または Both
に設定されているフィールドは無視されます。None
利点 所属グループにデータがなくても K-Means モデルを作成することができます。 たいていの場合 K-Means モデルを使用すると、大量のデータセットを最も高速にクラスター化できます。
トピックは役に立ちましたか?
0/1000