روش‌های طبقه‌بندی استاندارد
شکستگی‌های طبیعی (Natural breaks –Jenks-)
طبقه‌بندی براساس گروه‌بندی‌های طبیعیِ موجود در ذات داده‌ها انجام می‌شود. نقاط شکستگی بین دسته‌ها به گونه‌ای معین می‌شود که به بهترین وجه ممکن مقادیر مشابه در یک گروه جای داده شوند و تفاوت مابین کلاس‌ها بیشینه شود. عوارض در کلاس‌هایی قرار می‌گیرند که مرز آنها بطوری تعیین شده است که در این مرزها تغییرات نسبی بزرگی در مقادیر داده‌ها صورت می‌گیرد.
چارک (Quantile)
تعداد مساوی از عوارض در هر کلاس قرار می‌گیرد. طبقه‌بندی چارک مناسب داده‌هایی است که به صورت خطی توزیع یافته‌اند. به دلیل اینکه عوارض به وسیله تعداد در هر کلاس دسته‌بندی می‌شوند، نتیجه‌ای که حاصل می‌شود ممکن است گمراه‌کننده باشد. عوارض مشابه ممکن است در کلاس‌های مجاور قرار بگیرند، یا عوارضی که دارای مقادیر بسیار متفاوتی هستند ممکن است در یک کلاس قرار بگیرند. این انحراف را می‌توان به کمک افزایش تعداد کلاس‌ها کاهش داد.
بازه‌های مساوی (Equal interval)
در این نوع طبقه‌بندی دامنه مقادیر خصوصیت به بازه‌های مساوی تقسیم می‌شود، تعداد بازه‌ها تعیین می‌شود سپس بر اساس این تعداد مشخص می‌گردد که نقاط شکستگی در کجا قرار بگیرند. برای مثال، اگر عوارض دارای خصوصیتی باشند که در دامنه 0 تا 300 قرار می‌گیرد و تعداد کلاس‌ها سه تعیین شود، هر کلاس نشان‌دهنده بازه 100 تایی خواهد بود که دامنه‌ها عبارتند از 0-100، 101-200، 201-300. به طور مثال برای نشان دادن این واقعیت که یک فروشگاه جزو گروهی از فروشگاه‌هاست که یک سوم از کل فروش را در اختیار دارند، می‌توان از این نوع طبقه‌بندی استفاده کرد.
بازه‌های تعریف شده (Defined interval)
در این نوع طبقه‌بندی اندازه بازه تعیین می‌شود به کمک این اندازه دامنه مقادیر به بازه‌های برابر تقسیم می‌شود. این روش بر خلاف روش بازه‌های مساوی است که در آن تعداد بازه‌ها تعیین می‌شد و با استفاده از این تعداد، طول بازه به دست می‌آمد. براساس اندازه بازه‌ای که تعیین شده است، تعداد بازه‌ها محاسبه می‌شود. اندازه بازه‌ای که در مثال زیر تعیین شده است برابر 0.04 می‌باشد.
انحراف استاندارد (Standard deviation)
این نوع طبقه‌بندی نشان می‌دهد که مقدار خصوصیت یک عارضه تا چه اندازه‌ای از مقدار میانگین فاصله دارد. در این روش مقدار میانگین و انحراف استاندارد از میانگین محاسبه می‌شود. سپس با استفاده از این مقادیر محل شکستگی کلاس‌های تعیین می‌شود. در نهایت با استفاده از رنگ‌بندی مقادیر بیشتر و کمتر از متوسط مشخص می‌شوند.
بسیار مطلب خوب و کارآمدی بود
سپاسگذارم
سلام من برای پهنه بندی نقشه اقدام کردم همه چیز خوبه به جز دو چیز
اول این خطا هنگام باز کردن طبقه بندی رنگ و بازه ها:
unique histogram does not exist. do you want to compute unique values
دوم : بلد نیستم چجوری بازه هارو مشخص کنم. یعنی اگر داده ها از 40 تا 60 باشن و من بخواهم از 100 تا 0 رنگها را طبقه بندی کنم نمیشه
توضیح بدید چکار کنم؟
تو این صفحه از همه چی گفتی به جز مشکل من