Cluster analyses usually provide mo

Cluster analyses usually provide more than one cluster solution. The final number of clusters in
SAS® was determined using the squared multiple correlation (R2), the cubic clustering criterion
(CCC), the Pseudo-F, and the pseudo-T2 (PST2) statistic.
Results
Using our example data set, we were unable to obtain meaningful cluster distributions that best
describe both types of data – ordinal or binary – using the six hierarchical agglomerative and kmeans
in SPSS. Similar resistance patterns (phenotypes) that were found in one cluster also existed
in one or more other clusters, which indicated lack of homogenous clusters. In SAS®, cluster
algorithms (hierarchical agglomerative and k-means) with squared Euclidian distance were unable
to cluster MIC values into meaningful clusters with or without standardization or transformation.

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์วิเคราะห์มักจะให้โซลูชันคลัสเตอร์มากกว่าหนึ่ง หมายเลขสุดท้ายของกลุ่มในกำหนดโดยใช้การยกกำลังสอง SAS® หลายสหสัมพันธ์ (R2), เกณฑ์ clustering ลูกบาศก์(CCC), หลอก-F และสถิติหลอก-T2 (PST2)ผลลัพธ์ใช้ชุดข้อมูลตัวอย่างของเรา เราก็ไม่สามารถรับการกระจายของคลัสเตอร์ที่มีความหมายที่ดีที่สุดอธิบายทั้งสองชนิดของข้อมูล – ลำดับ หรือไบ นารี – ใช้ลำดับชั้นหก agglomerative และ kmeansใน SPSS ต่อต้านรูปแบบคล้ายกัน (ไทป์) ที่พบในกลุ่มหนึ่งยังมีอยู่ในอย่าง น้อยหนึ่งอื่น ๆ คลัสเตอร์ ซึ่งระบุขาดของคลัสเตอร์เป็นเนื้อเดียวกัน In SAS® คลัสเตอร์อัลกอริทึม (ลำดับชั้น agglomerative และถึง) กับระยะทางยกกำลังสองที่ระบบยุคลิดได้ค่าไมค์คลัสเตอร์ในคลัสเตอร์ที่มีความหมายมี หรือไม่ มีมาตรฐานหรือการเปลี่ยนแปลง

ผลลัพธ์ (ไทย) 2:

คลัสเตอร์มักจะวิเคราะห์ให้แก้ไขปัญหาของคลัสเตอร์มากกว่าหนึ่ง จำนวนสุดท้ายของกลุ่มใน
SAS®ได้รับการพิจารณาโดยใช้ความสัมพันธ์ Squared หลาย ๆ (R2) ลูกบาศก์จัดกลุ่มเกณฑ์
(CCC) ที่ Pseudo-F และหลอก-T2 (PST2) สถิติ.
ผลการค้นหา
โดยใช้ตัวอย่างชุดข้อมูลของเราเรา ไม่สามารถที่จะได้รับการกระจายคลัสเตอร์ที่มีความหมายที่ดีที่สุดที่
จะอธิบายทั้งสองประเภทของข้อมูล - ลำดับหรือไบนารี - ใช้หก agglomerative ลำดับชั้นและ kmeans
ในโปรแกรม SPSS รูปแบบที่คล้ายกันต้านทาน (phenotypes) ที่ถูกพบในคลัสเตอร์ที่หนึ่งยังมีชีวิตอยู่
ในหนึ่งหรือมากกว่ากลุ่มอื่น ๆ ซึ่งชี้ให้เห็นการขาดความเป็นเนื้อเดียวกันกลุ่ม ในSAS®กลุ่ม
อัลกอริทึม (ลำดับชั้นหมายถึง K-agglomerative และ) กับระยะทางแบบยุคลิดสแควร์ก็ไม่สามารถ
ที่จะจัดกลุ่มค่า MIC เข้าไปในกลุ่มที่มีความหมายที่มีหรือไม่มีมาตรฐานหรือการเปลี่ยนแปลง

ผลลัพธ์ (ไทย) 3:

กลุ่มการวิเคราะห์มักจะมีมากกว่าหนึ่งกลุ่ม โซลูชั่น หมายเลขสุดท้ายของกลุ่มในแซส ®ถูกกำหนดโดยใช้สถิติสหสัมพันธ์พหุคูณ ( R ) , การจัดกลุ่ม , เกณฑ์( CCC ) , pseudo-f และ pseudo-t2 ( pst2 ) สถิติผลลัพธ์โดยใช้ข้อมูลตัวอย่างของเราตั้งเราไม่สามารถที่จะได้รับการกระจายกลุ่ม มีความหมายดีที่สุดอธิบายทั้งสองประเภทของข้อมูล ( หรือไบนารีและอันดับหก agglomerative kmeans ลำดับชั้นและใช้ในโปรแกรม SPSS รูปแบบความต้านทานที่คล้ายกัน ( ฟีโนไทป์ ) ที่พบในกลุ่มยังมีชีวิตอยู่ในหนึ่งหรือมากกว่ากลุ่มอื่นๆ ซึ่งพบการยึดเกาะกลุ่ม ใน SAS ® คลัสเตอร์ขั้นตอนวิธี ( ลำดับชั้นและ agglomerative k-means ) กับระยะทางยกกำลังสอง euclidian ไม่สามารถกลุ่มค่า MIC ในความหมายกลุ่มมี หรือ ไม่มีมาตรฐานหรือการเปลี่ยนแปลง