１次元クラスタリング

クラスター分析と言えば、多次元のデータについて、サンプルの類似度の分析として使う話がよく知られています。

１次元の時にも同じ目的で使えるのですが、１次元の時は、特徴量エンジニアリングの方法として、量的データを質的データに変換するために使うこともできます。

量的データを質的データに変換するための方法に限るのなら、１次元クラスタリングの方法は、クラスター分析として知られている方法よりも、シンプルな方法もあります。

データの区間を均等に分割する方法

データの最大値と最小値の間を均等に分割します。

量的データが持っている分布の特徴を残しやすいです。

一方で、区間ごとのデータの数が異なったり、空の区間ができたりして欲しくない時は向かないです。

区切りを指定します。

均等な分割だと、区切りがちょうど良くない時に使ったりします。

データの区間の区切りを指定する方法の応用です。最大値、最小値、中央値、２つの四分位値を使うと、各区間に入るデータの数がほぼ25%ずつになります。

クラスター分析を使うと、質的データが区間を表すようにならないところが不便です。

Rの実施例は、 Rによる１次元クラスタリングのページにあります。