# 帳號分群 3/18 實驗結果

## 新增 hash function
嘗試增加不同的 hash value 作為 feature，期許能讓Kmeans分群能夠更準確。
### 將文字拆成一半將前半與後半各自產生一個 hash value

ex: 12345678
first half values = 1+2+3+4
second half values = 5+6+7+8

會遇到的問題 ex: 43218765    hash完的結果會跟上例相同

使用資料（100筆，純數字）
- 純數字帳號還是無法在 Kmeans 階段分的更準確
- [2 group](https://docs.google.com/spreadsheets/d/1i2x7VwKJtBDx2wEODaj2uT98CIg_6XM3RdAO0EPVdK8/edit?usp=sharing)
- [6 group](https://docs.google.com/spreadsheets/d/1zq2bM0O8dmwmW0dfsla9MJE1ESW0TbCjRhv9LwrTK54/edit?usp=sharing)

可以觀察到即使新增這兩種hash value 作為 feature，帳號間還是缺少獨特性，因此群心數即使只有 2 ，依然會有被拆散的可能
### 新增將奇數、偶數位 concat 起來做為 hash value

ex: 12345678
odd values = 1357
even values = 2468

如遇到 ex: 43218765
odd values = 4286
even values = 3175

可有效的做區分

使用資料（100筆，純數字）
- 此方法會讓文字所在字串中的順序變得更重要，猜測應該能更有效提升數字分群的準確率
- [6 group](https://docs.google.com/spreadsheets/d/1HJ987ianesWzm7A0nuFKnYkvsZEJbXhKGQuRWw_6UM0/edit?usp=sharing)

- [10 group](https://docs.google.com/spreadsheets/d/1cMMyHCL6A1sBcxas-HwZFj2OSFX3s7SeE70BK3MJYeA/edit?usp=sharing)

可以觀察到，即使將群心數增大，相似的帳號也能正常地分在一起了，不會被拆散

---
## 開頭相似、中間相似、結尾相似資料測試
- 測試資料

ty248051    AccClone024
ty257673    AccClone030
ty317446    AccClone032
ty331606    AccClone035
ty339001

865166029011122
865166022056090
865166022200862
865166023432043

213005071314215
213005071404451
213005062852070
213005072123016

12037783Gold    9981MIDDLE0310
12007043Gold    2341MIDDLE9324
12309943Gold    6721MIDDLE3679

### Kmeans clustering
- [2 group](https://docs.google.com/spreadsheets/d/1yd9A_ahT0vTUJPs5bkRAyorYsW8rNpzvI_J3lRakg-k/edit?usp=sharing)

- [6 group](https://docs.google.com/spreadsheets/d/1gkXESyW5ACWZj3Lf1xiiO4lAP8noeh3ApiHphPMhLYo/edit?usp=sharing)

- [10 group](https://docs.google.com/spreadsheets/d/121GK2GKT7U_rnf9eh7UXjxJ0ED1x6BoUNKVKAaWJkmw/edit?usp=sharing)

### Hierachical clustering
1 group

#### threshold 5
- 群組成員數量清單
- 成員所在群組清單

#### threshold 13
- 群組成員數量清單
- 成員所在群組清單

#### threshold 20
- 群組成員數量清單
- 成員所在群組清單