# 帳號分析 hash string clustering 210222

---
## 本週實驗
針對UID帳號做完MED後，hierarchical分群後的結果(特別是同樣開頭的UDID，公司特別提到8開頭的)

### 實驗方法
- 為觀察方便只取了20筆純數字的帳號做出樹狀圖
- 由於之前的實驗確認過純數字帳號會經過Kmeans分至相同群，因此在Kmeans步驟只做一個群心
- 另外還有加入5筆原始帳號，總計20筆觀察結果

### 實驗結果

由於UID帳號的長度皆為15，因此觀察到即便是前2、3位數字完全相同，但後幾位幾乎不相同時，做出來MED(最小編輯距離)可能還是很大，以至於在做Hierachical分群時不會分到相鄰的位置。

#### 分群結果

##### 20筆純數字帳號
- 分群正常

- 開頭不像但相鄰者
- [MED matrix](https://docs.google.com/spreadsheets/d/1mIT40rV3hHlccFoxKYrjFTCLITyraEzyj1zJ-prA6d8/edit#gid=1670218855)

##### 15筆純數字帳號+5筆原始帳號
- 同一群的分群結果

#### 結論
由於我們的模型透過Kmeans做完初步分群後，是利用萊文斯坦距離此演算法來比對字串的相似度，因此將UID帳號放入此模型，還是會因為字串的長度去影響到MED的數值，進而影響到Hierachical的分群，不確定這樣能否完全達到公司預期。

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