Diese Analyse zielt darauf ab, Personen zu Familien zusammenfassen ohne dass die Familien zuvor festgelegt worden wären.
Zone 1 : Die Methode und ihre Optionen.
⇒ K-Means : Bei Familien vergleichbarer Größe muss deren Anzahl angegeben werden; ;
⇒ Binäre Division : teilt die Wolke nacheinander in zwei Teile; ;
⇒ Gaußsche Mischungen : eignet sich für Familien mit unterschiedlichen Formen und Streuungen; ;
⇒ DBSCAN : ermittelt die Anzahl der Familien selbst und weiß, welche Punkte er außer Acht lassen kann. Festgelegt durch Epsilon (der Nachbarschaftsradius) und Mindestpunktzahl.
Anzahl der Cluster (K) legt die Anzahl der Familien für die ersten drei Methoden fest. Ausgangswert sorgt dafür, dass das Ergebnis von Berechnung zu Berechnung reproduzierbar ist.
Zone 2 : die Wolke in der’Hauptkomponentenraum (ACP), in 2D oder 3D, eine Farbe pro Gruppe.
Zone 3 : Für jede Variable ein Test, der die Frage beantwortet: Unterscheidet diese Variable die Gruppen tatsächlich? – ein Fisher-Test und ein Kruskal-Wallis-Test, deren Ergebnisse farblich gekennzeichnet sind, von „sehr signifikant“ bis „nicht signifikant“.
💡 Die Zone 3 bestätigt die Klassifizierung. Gruppen, die auf dem Bildschirm deutlich voneinander getrennt sind, bei denen jedoch keine der Variablen signifikant ist, haben keine geschäftliche Bedeutung: Die Unterteilung ist in der Grafik zu sehen, nicht in den Daten.
💡 Dieselbe Klassifizierung ist direkt im ACP-Diagramm über das Feld «Unüberwachte Klassifizierung (K-Means)» verfügbar. Die neben jedem Punkt angezeigte Nummer ist die Nummer seines Familie.