多変量分析 > K Meansクラスター分析 > 「K Meansクラスター分析」プラットフォームの別例
公開日: 11/25/2021

「K Meansクラスター分析」プラットフォームの別例

自己組織化マップの例

この例では、Iris.jmpサンプルデータテーブルを使用しています。このテーブルには、3種類のアヤメのがくの長さ、がくの幅、花弁の長さ、花弁の幅の測定値が記載されています。

1. [ヘルプ]>[サンプルデータライブラリ]を選択し、「Iris.jmp」を開きます。

2. [分析]>[クラスター分析]>[K Meansクラスター分析]を選択します。

3. 「がくの長さ」「がくの幅」「花弁の長さ」、および「花弁の幅」を選択して、[Y, 列]をクリックします。

4. [OK]をクリックします。

5. 設定パネルの「方法」リストから[自己組織化マップ]を選択します。

6. [行数]を1、[列数]を2に設定します。

7. [実行]をクリックします。

8. 「設定パネル」レポートを開きます。

9. [行数]を1、[列数]を3に設定します。

10. [実行]をクリックします。

11. 「設定パネル」レポートを開きます。

12. [行数]を2、[列数]を2に設定します。

13. [実行]をクリックします。

図13.10 SOMクラスターの比較 

SOM Cluster Comparison

「クラスターの比較」レポートは、レポートウィンドウの最上部に表示されます。CCC(Cubic Clustering Criterion:立方体クラスター規準)の最も大きいときのクラスタリングが、最も適したクラスターであるとと考えられます。CCCが最大になるクラスター数は3です。実際、このデータは3品種のアヤメを記録したものです。

14. 「自己組織化マップ 1 x 3グリッド」レポートまでスクロールします。分類が完璧ではなかったことがわかります。実際のデータには、3品種のあやめはそれぞれ50ずつあります。

図13.11 Iris.jmpの「自己組織化マップ」レポート 

Self-Organizing Map Report for Iris.jmp

15. データテーブルで、[種類]列を選択し、[行]>[列の値による色/マーカー分け]を選択します。

16. マーカーの[クラシック]オプションを選択します。

17. [OK]をクリックします。

18. 「自己組織化マップ 1 x 3グリッド」の横の赤い三角ボタンをクリックし、[バイプロット]を選択します。

図13.12 自己組織化マップのバイプロット 

SOM Biplot

クラスター3のすべての行がsetosaとして正しく識別されていることが分かります。他の2品種はvirginicaとverisicolorでわずかに重複しており、互いに間違われやすくなっています。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).