Utilizar la función Buscar clústeres de valores medios K

Insights in ArcGIS Online
Insights in ArcGIS Enterprise
Insights Desktop

Buscar clústeres de valores medios K busca clústeres naturales de entidades en función de los valores de ubicación o atributo mediante el algoritmo de valor medio K. El algoritmo clasifica las entidades de modo que las entidades dentro de un clúster sean lo más similares posible, mientras que los clústeres sean lo más diferentes que se pueda.

Ejemplos

Los siguientes son escenarios de ejemplo en los que se utiliza Buscar clústeres de valores medios K:

  • Una organización no gubernamental recopila datos sobre instrumentos de pesca y otros residuos marítimos grandes. La ubicación de los residuos se puede analizar para buscar clústeres de residuos, lo que puede ayudar a la organización a determinar las principales fuentes de residuos e instrumentos abandonados.
  • Los clientes de una ubicación minorista se pueden analizar en función de sus características demográficas y patrones de compra. Los clústeres basados en propiedades como los ingresos disponibles y el gasto se pueden utilizar para diseñar una estrategia de marketing para la tienda.

Ejecutar Buscar clústeres de valores medios K

Buscar clústeres de valores medios K se puede ejecutar en un mapa, gráfico o tarjetas de tabla mediante entidades de puntos, líneas o áreas.

Realice los pasos siguientes para encontrar clústeres naturales:

  1. Si es necesario, haga clic en la tarjeta de mapa para activarla.

    Una tarjeta está activa cuando aparecen la barra de herramientas y el botón Acción Acción.

  2. Haga clic en el botón Acción y realice una de las siguientes acciones:
    • Para una tarjeta de mapa, en la pestaña Análisis espacial, haga clic en Buscar clústeres de valores medios K.
    • En tarjetas de gráfico y tabla, haga clic en Cómo está distribuido y haga clic en Buscar clústeres de valores medios K.
  3. En Elegir una capa, seleccione la capa para la que desea buscar clústeres.
  4. En Campos de análisis, elija una de las siguientes opciones:
    • Para ejecutar espacialmente Buscar clústeres de valores medios K, seleccione un campo de ubicación.
    • Para no ejecutar espacialmente Buscar clústeres de valores medios K, seleccione uno o varios campos numéricos.
  5. Expanda Opciones adicionales y proporcione un valor para el parámetro Número de clústeres, si es necesario.
  6. Haga clic en Ejecutar.

Notas de uso

El parámetro Elegir una capa se utiliza para seleccionar un dataset donde buscar clústeres. El dataset puede tener entidades de puntos, líneas o áreas, o puede ser una tabla no espacial (disponible al utilizar la funcionalidad desde un gráfico o tabla).

El parámetro Campos de análisis se utiliza para seleccionar el campo en el que se basarán los clústeres. El campo puede ser un campo de ubicación, en cuyo caso los clústeres se basarán en una ubicación geográfica, o uno o varios campos numéricos o de índice/ratio, en cuyo caso los clústeres se basarán en la similitud entre atributos. No se admite una combinación de ubicación y número o de campos de índice/ratio.

Puede expandir Opciones adicionales para revelar el parámetro Número de clústeres. Si se requiere un número específico de clústeres para el análisis, proporcione ese valor en el parámetro Número de clústeres. Si no se proporciona ningún valor, se calcularán varios clústeres con el índice de Davies-Bouldin descrito en Davies y Bouldin (1979) que optimizará las similitudes dentro de un clúster y las diferencias entre clústeres.

Limitaciones

Esta herramienta no es compatible con conexiones de solo lectura a Google BigQuery, Snowflake y las plataformas de bases de datos que no son compatibles de inmediato.

Se pueden aplicar filtros cruzados, widgets de filtro y widgets de filtro temporales a los resultados de Find K-Means Clusters, pero no volverán a ejecutar la herramienta cada vez que se cambie el filtro.

Referencias

Davies, David L. y Donald W. Bouldin. 1979. "A Cluster Separation Measure." IEEE Transactions on Pattern Analysis and Machine Intelligence. PAMI-1, núm. 2 (abril): 224 - 227.https://doi.org/10.1109/TPAMI.1979.4766909.