STATISTIK-FORUM.de

[jan_gh]

Hi an alle!

Ich habe eine Stadtkarte von Häusern, wo jedes Haus (neben den zwei Koordinaten) einen dritten Wert besitzt (Bebauungsdichte). Nun möchte ich ähnliche Regionen zu Stadtgebieten zusammenfügen (Bspw. Gebiete hoher Bebauungsdichte, mittlerer, etc.). Jedes Cluster darf häufiger Vorkommen und auch wenn ein Haus einen niedrigen Bebauungsdichte-Wert aufweist, kann es aufgrund seiner geographischen Lage trotzdem in einem Siedlungsgebiet mit hoher Bebauungdichte liegen.

Die Bilder stellen das eigentlich vollständig da. Das eine Bild ist vor der Clusteranalyse https://picload.org/view/dlpagiri/examp ... e.png.html

und das zweite nach diese (unvollständig): https://picload.org/view/dlpagirw/examp ... r.png.html

Kennt jemand eine Methode mit der man die Werte auf der Karte clustern kann?

Viele Grüße,
Jan

[strukturmarionette]

Hi,

- und Deine Frage ist?

Gruß
S.

[jan_gh]

Ui, sorry. Meine Frage ist, wie ich dieses Problem lösen kann. Ich habe unterschiedliche Methoden ausprobiert, die beste war bisher der DBscan Algorithmus, aber man kommt damit nicht auf den Ziel-Zustand. Kennt jemand eine Methode mit der man das genannte Problem lösen kann?

[strukturmarionette]

Hi,

das Problem wäre zu lösen mit einem Fachbuch über die unendlichen Möglichkeiten von Clusteranalysen.
Welches verwendest Du?

Gruß
S.

[jan_gh]

Auch wenn <strukturmarionette> anscheinend ein fleißiges Forum Mitglied ist, helfen solche "lustigen" Kommentare sicher niemanden.

Für alle die das lesen und das gleiche Problem haben, man kann es es wie folgt lösen:

1) Erstelle zunächst für das gesamte Gebiet mehrere Cluster die allein nach geographischen Parametern unterscheiden (k-means, oder FCM oder was ihr mögt)
Ergebnis sollte eure Karte eingeteilt in mehrere Gebiete sein.

2) Dann berechnet ihr für jedes Cluster den Mittelwert des dritten Wertes
Euch wird jetzt schon auffallen, dass je kleiner ihr die Cluster wählt (also je mehr Cluster ihr habt), desto besser werden die Ergebnisse

3) Nun fügt ihr ähnliche Cluster zu einem übergeordneten Cluster zusammen

Das Ergebnis sind die Gebiete nach geographischen als auch nach Werten des dritten Wertes.

Viel Erfolg!