# UDID帳號分群-提升資料量測試

### 實驗步驟

- 採用 udid_log.csv 中的UDID欄位 (總共有263034筆)
- shuffle後取10000筆
- 執行 account_clustering.py
- Kmeans 群心數設定為 200 (100-500皆嘗試過，但觀察過8開頭的UDID大多會集中在某一群，因此差異不大，最後選擇200)
- 選擇群成員最多的群做Hierachical clustering
- 觀察樹狀圖結果

### 實驗結果

- Kmeans 群分布 (集中在第二群)
- 第二群成員總數(2968) [Google sheet](https://docs.google.com/spreadsheets/d/1720BkqghxpyAyvnk7eGwMcrd5H1zRHIVCP1tZSKxVxk/edit?usp=sharing)
- Minimum edit distance 矩陣計算總時間 (**1:55:43**) 其中第二群即耗時1:22:07

- 第二群 Hierachical clustering 結果
- 放大結果 (資料量大時，即使放大圖形也較難看出之間的關係)

### 總結

- 目前模型的作法是用 Minimum edit distance 的結果做 Hierachical clustering，在MED的計算上會花大部分的時間，且群成員越多運算量越龐大，由目前的實驗結果，3000筆所需時間接近一個半小時，且繪製出來的樹狀圖，較難去觀察到成員間更細部的關係。
- 因此目前如果要透過 Hierachical clustering 去觀察成員間進一步的關係，我認為在資料量上做刪減會是較好的方式，不僅可以減少運算時間成本，在圖形上也能觀察到更細部的關係。