# 帳號分析 hash string clustering

## 前情提要
https://hackmd.io/@2020-csf/B1JdozNiP

---
## 本週實驗

#### 實驗三種hash function
- 目的：
- 觀察三種hash function 分類差異，並觀察分群結果有沒有很像的詞被分到不同群
- 作法：
- 為觀察結果便利，僅使用過濾後的150筆nickname
- 將三種hash function算出來的編碼總和做分群
- 目前是分三群較容易觀察
- 建dataframe觀察結果
- Hash function:
- 奇數位轉換編碼後加總 hash_odd
- 偶數位轉換編碼後加總 hash_even
- 所有位元轉換編碼後加總 hash_all
- 觀察結果：
- 大部分的詞三種hash的結果為同群

- 較直觀的相似詞透過此方式初步分群，不會有相似卻分到不同群的結果

- 後續可做：
- 若要採用hash function作為初步分群的方式，可以依據三種function的分群結果，取最多的label作為該詞的group，也可以只取hash_all的結果分群
- 再將分群結果做MED，預期能減少大量的資料同時在MED運算的負荷

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