# 帳號分析 hash string clustering 210121

---
## 本週實驗
移除手動新增的流水號帳號，將原始資料做相同的實驗，判斷原始資料中含流水號的帳號會不會被分到不同群。

### 實驗方法
#### 與上週不變步驟
- 原始資料取10000筆，並用正則表示式過濾掉含特殊字元的帳號
- 過濾後剩餘9560筆
- 將原始資料 9560 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
- 觀察各群數量分布與分群後是否有overfitting的情況
- 初步分群後，將各群再做minimum edit distance matrix
- 確認分群後產生MED矩陣所需時間

### 實驗結果
可證實在原始資料上套用同樣的作法，效果是相同的
#### 分群結果 (K = 200)
- [Google sheet](https://docs.google.com/spreadsheets/d/15Ge0xuu45j5PvusTCVyYAyD9gCHDWACNelQNHkgAF5I/edit?usp=sharing)

-
-
-
-
-

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