# 帳號分析 hash string clustering 201223

---
## 本週實驗
- KMeans features調整
- 取 hash all 的value & word_length (字串長度)
- 調整原因：推測兩個feature關聯性高

- 把自訂流水號的帳號與原data串接，透過Kmeans分群結果觀察流水號相似或是字串相似的帳號會不會被分至不同群
- 以初步分群結果再透過minimum distance細分

### 實驗方法
- 建立三種帳號，每種帳號各 50 個，總計 150 筆，規則如下。
1. 'hm0000'+流水號
2. 'ssu'+流水號+'ssu'
3. 'asd'+流水號+'asd'
- (流水號範圍 0~50)
- 將原始資料也取 150 筆與流水號帳號串接，共 300 筆帳號作為 test data
- 將過濾後的帳號透過hash function轉成數值，並將此hash value與帳號長度做為Kmeans feature
- 用Kmeans做分群並將結果匯出觀察
- 初步分群後，將各群再做minimum edit distance matrix
- 並將distance matrix 透過 hierachy clustering分成樹狀圖
- 最後觀察三群的分群結果

### 實驗結果
#### Kmeans 分群 (3群)
- 結果來看這樣的feature組合效果是不錯的
#### Hierachy clustering
- group 0 (分成三大群)

- group 1 (僅分一大群)

- group 2 (分成兩大群)

- 從此實驗結果來看效果是非常好的，運算的時間複雜度也有所降低

### Kmeans 群心數調整實驗
#### Kmeans 分群 (6群) (結果還可以)
#### Kmeans 分群 (9群) (有點over fitting了)

## 下週計畫
- 擴大資料量做看看，觀察哪些因素會因資料量不同有落差，並做對應調整

###### tags: `Progress Report`