Пакет: clustering.evaluation
Суперклассы: clustering.evaluation.ClusterCriterion
Разорвите критерий, кластеризирующий объект оценки
GapEvaluation
является объектом, состоящим из выборочных данных, кластеризируя данные, и значения критерия разрыва раньше оценивали оптимальное количество кластеров. Создайте критерий разрыва, кластеризирующий объект оценки использование evalclusters
.
создает критерий разрыва, кластеризирующий объект оценки.eva
= evalclusters(x
,clust
,'Gap')
создает критерий разрыва, кластеризирующий объект оценки, использующий дополнительные опции, заданные одним или несколькими аргументами пары "имя-значение".eva
= evalclusters(x
,clust
,'Gap',Name,Value
)
|
Количество наборов данных сгенерировано от ссылочного распределения, сохраненного как положительное целочисленное значение. |
|
Кластеризация алгоритма раньше кластеризировала входные данные, сохраненные как допустимое имя алгоритма кластеризации или указатель на функцию. Если решения по кластеризации обеспечиваются во входе, |
|
Имя критерия используется для кластеризации оценки, сохраненной как допустимое имя критерия. |
|
Значения критерия, соответствующие каждому предложенному количеству кластеров в |
|
Метрика расстояния используется для кластеризации данных, хранимых как допустимое метрическое имя расстояния. |
|
Ожидание натурального логарифма W на основе сгенерированных справочных данных, хранимых как вектор скалярных значений. W является вычисленным использованием дисперсии в кластере метрики расстояния |
|
Список количества предложенных кластеров, для которых можно вычислить значения критерия, сохраненные как вектор положительных целочисленных значений. |
|
Натуральный логарифм W на основе входных данных, сохраненных как вектор скалярных значений. W является вычисленным использованием дисперсии в кластере метрики расстояния |
|
Логический флаг для исключенных данных, хранимых как вектор-столбец логических значений. Если |
|
Количество наблюдений в матрице данных |
|
Оптимальное количество кластеров, сохраненных как положительное целочисленное значение. |
|
Оптимальное решение по кластеризации, соответствующее |
|
Метод генерации справочных данных, сохраненный как имя распределения действительной ссылки. |
|
Стандартная погрешность натурального логарифма W относительно справочных данных для каждого количества кластеров в |
|
Метод для определения оптимального количества кластеров, сохраненных как допустимое имя метода поиска. |
|
Стандартное отклонение натурального логарифма W относительно справочных данных для каждого количества кластеров в |
|
Данные используются для кластеризации, сохраненные как матрица численных значений. |
increaseB | Увеличьте наборы справочных данных |
addK | Оцените дополнительные количества кластеров |
компактный | Компактный объект оценки кластеризации |
график | Постройте кластеризирующиеся значения критерия объекта оценки |
[1] Tibshirani, R., Г. Вальтер и Т. Хэсти. “Оценивая количество кластеров в наборе данных через статистическую величину разрыва”. Журнал Королевского Статистического Общества: Серии B. Издание 63, Часть 2, 2001, стр 411–423.
CalinskiHarabaszEvaluation
| DaviesBouldinEvaluation
| SilhouetteEvaluation
| evalclusters