Cluster analysis methods will alway

Cluster analysis methods will always produce a grouping. The groupings produced by cluster analysis may or may not prove useful for classifying objects. If the groupings discriminate between variables not used to do the grouping and those discriminations are useful, then cluster analysis is useful. For example, if grouping zip code areas into fifteen categories based on age, gender, education, and income discriminates between wine drinking behaviors, it would be very useful information if one was interested in expanding a wine store into new areas.

Cluster analysis may be used in conjunction with discriminant function analysis. After multivariate data are collected, observations are grouped using cluster analysis. Discriminant function analysis is then used on the resulting groups to discover the linear structure of either the measures used in the cluster analysis and/or different measures.

ผลลัพธ์ (ไทย) 1:

วิธีการวิเคราะห์คลัสเตอร์เสมอจะทำการจัดกลุ่ม การจัดกลุ่มที่ผลิต โดยการวิเคราะห์คลัสเตอร์อาจ หรือไม่อาจพิสูจน์เป็นประโยชน์สำหรับการจัดประเภทวัตถุ ถ้าจัดกลุ่มแยกแยะระหว่างตัวแปรที่ไม่ใช้จะทำการจัดกลุ่ม และ discriminations เหล่านั้นมีประโยชน์ แล้วคลัสเตอร์วิเคราะห์มีประโยชน์ เช่น หากพื้นที่รหัสไปรษณีย์การจัดกลุ่มเป็นประเภทห้าตามอายุ เพศ การศึกษา และรายได้ discriminates ระหว่างไวน์ดื่มพฤติกรรม มันจะเป็นข้อมูลที่เป็นประโยชน์มากหากหนึ่งมีความสนใจในการขยายร้านไวน์ในพื้นที่ใหม่การวิเคราะห์คลัสเตอร์อาจใช้ร่วมกับการวิเคราะห์ฟังก์ชัน discriminant หลังจากเก็บรวบรวมข้อมูลตัวแปรพหุ สังเกตถูกจัดกลุ่มโดยใช้การวิเคราะห์คลัสเตอร์ การวิเคราะห์ฟังก์ชัน discriminant แล้วใช้กลุ่มผลการค้นพบโครงสร้างเชิงเส้นของมาตรการอย่างใดอย่างหนึ่งที่ใช้ในการวิเคราะห์คลัสเตอร์หรือมาตรการต่าง ๆ

ผลลัพธ์ (ไทย) 2:

วิธีการวิเคราะห์แบบคลัสเตอร์มักจะผลิตการจัดกลุ่ม การจัดกลุ่มที่ผลิตโดยการวิเคราะห์กลุ่มอาจหรือไม่อาจพิสูจน์ได้ว่ามีประโยชน์สำหรับการแบ่งประเภทของวัตถุ หากจัดกลุ่มความแตกต่างระหว่างตัวแปรไม่ได้ใช้ในการทำการจัดกลุ่มและการแบ่งแยกผู้ที่มีประโยชน์แล้วการวิเคราะห์กลุ่มจะเป็นประโยชน์ ตัวอย่างเช่นหากจัดกลุ่มพื้นที่รหัสไปรษณีย์สิบห้าประเภทขึ้นอยู่กับอายุเพศการศึกษาและรายได้เลือกปฏิบัติระหว่างพฤติกรรมการดื่มไวน์ก็จะเป็นข้อมูลที่เป็นประโยชน์มากถ้าใครมีความสนใจในการขยายการจัดเก็บไวน์ในพื้นที่ใหม่. การวิเคราะห์กลุ่มอาจจะ ใช้ร่วมกับฟังก์ชั่นการวิเคราะห์จำแนก หลังจากที่ข้อมูลจะถูกเก็บรวบรวมหลายตัวแปรสังเกตจะถูกจัดกลุ่มโดยใช้การวิเคราะห์กลุ่ม ฟังก์ชั่นการวิเคราะห์จำแนกที่ใช้แล้วในกลุ่มเกิดการค้นพบโครงสร้างเชิงเส้นของทั้งมาตรการที่ใช้ในการวิเคราะห์กลุ่มและ / หรือมาตรการที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์แบบกลุ่มจะผลิตการจัดกลุ่ม . ผลิตโดยการวิเคราะห์การจัดกลุ่มคลัสเตอร์อาจหรือไม่อาจพิสูจน์เป็นประโยชน์ในการจำแนกวัตถุ ถ้าการจัดกลุ่มแยกแยะระหว่างตัวแปรที่ไม่ได้ใช้เพื่อทำการ discriminations เหล่านั้นมีประโยชน์แล้วการวิเคราะห์กลุ่มเป็นประโยชน์ ตัวอย่างเช่น ถ้าจัดกลุ่มรหัสไปรษณีย์พื้นที่ออกเป็น 15 ประเภท ขึ้นอยู่กับ อายุ เพศ การศึกษา และรายได้ ระหว่างไวน์ไม่ยอมรับพฤติกรรมการดื่ม จะเป็นข้อมูลที่มีประโยชน์มาก ถ้าใครมีความสนใจในการขยายร้านไวน์ในพื้นที่ใหม่การวิเคราะห์กลุ่มอาจจะใช้ร่วมกับฟังก์ชั่นการวิเคราะห์จำแนก หลังจากรวบรวมข้อมูลหลายตัวแปร สังเกตจะถูกจัดกลุ่มโดยใช้การวิเคราะห์กลุ่ม การวิเคราะห์สมการจำแนกประเภทแล้วใช้บนเป็นผลกลุ่มค้นพบโครงสร้างเชิงเส้นของทั้งมาตรการที่ใช้ในการวิเคราะห์กลุ่มและ / หรือมาตรการต่าง ๆ