evalclusters

Оцените решения по кластеризации

свернуть все на странице

Синтаксис

eva = evalclusters(x,clust,criterion)
eva = evalclusters(x,clust,criterion,Name,Value)

Описание

пример

eva = evalclusters(x,clust,criterion) создает кластеризирующийся объект оценки, содержащий данные, используемые, чтобы оценить оптимальное количество кластеров данных.

eva = evalclusters(x,clust,criterion,Name,Value) создает кластеризирующийся объект оценки, использующий дополнительные опции, заданные одним или несколькими аргументами пары "имя-значение".

Примеры

свернуть все

Скрипт Open Live Script

Оцените оптимальное количество кластеров с помощью Calinski-Harabasz кластеризирующийся критерий оценки.

Загрузите выборочные данные. 

load fisheriris;

Данные содержат измерения длины и ширины от чашелистиков и лепестков трех разновидностей ирисовых цветов.

Оцените оптимальное количество кластеров с помощью критерия Calinski-Harabasz. Кластеризируйте данные с помощью kmeans.

rng('default');  % For reproducibility
eva = evalclusters(meas,'kmeans','CalinskiHarabasz','KList',[1:6])
eva = 
  CalinskiHarabaszEvaluation with properties:

    NumObservations: 150
         InspectedK: [1 2 3 4 5 6]
    CriterionValues: [NaN 513.9245 561.6278 530.4871 456.1279 469.5068]
           OptimalK: 3

Значение OptimalK указывает, что на основе критерия Calinski-Harabasz оптимальное количество кластеров равняется трем.

Скрипт Open Live Script

Используйте входную матрицу предложенных решений по кластеризации, чтобы оценить оптимальное количество кластеров.

Загрузите выборочные данные. 

load fisheriris;

Данные содержат измерения длины и ширины от чашелистиков и лепестков трех разновидностей ирисовых цветов.

Используйте kmeans, чтобы создать входную матрицу предложенных решений по кластеризации для измерений длины чашелистика, с помощью 1, 2, 3, 4, 5, и 6 кластеров. 

clust = zeros(size(meas,1),6);
for i=1:6
clust(:,i) = kmeans(meas,i,'emptyaction','singleton',...
        'replicate',5);
end

Каждая строка clust соответствует одному измерению длины чашелистика. Каждый из этих шести столбцов соответствует решению по кластеризации, содержащему 1 - 6 кластеров.

Оцените оптимальное количество кластеров с помощью критерия Calinski-Harabasz.

eva = evalclusters(meas,clust,'CalinskiHarabasz')
eva = 
  CalinskiHarabaszEvaluation with properties:

    NumObservations: 150
         InspectedK: [1 2 3 4 5 6]
    CriterionValues: [NaN 513.9245 561.6278 530.4871 456.1279 469.5068]
           OptimalK: 3

Значение OptimalK указывает, что на основе критерия Calinski-Harabasz оптимальное количество кластеров равняется трем.

Скрипт Open Live Script

Используйте указатель на функцию, чтобы задать кластеризирующийся алгоритм, затем оцените оптимальное количество кластеров.

Загрузите выборочные данные. 

load fisheriris;

Данные содержат измерения длины и ширины от чашелистиков и лепестков трех разновидностей ирисовых цветов.

Используйте указатель на функцию, чтобы задать кластеризирующийся алгоритм. 

myfunc = @(X,K)(kmeans(X, K, 'emptyaction','singleton',...
    'replicate',5));

Оцените оптимальное количество кластеров для данных о длине чашелистика с помощью критерия Calinski-Harabasz.

eva = evalclusters(meas,myfunc,'CalinskiHarabasz',...
    'klist',[1:6])
eva = 
  CalinskiHarabaszEvaluation with properties:

    NumObservations: 150
         InspectedK: [1 2 3 4 5 6]
    CriterionValues: [NaN 513.9245 561.6278 530.4871 456.1279 469.5068]
           OptimalK: 3

Значение OptimalK указывает, что на основе критерия Calinski-Harabasz оптимальное количество кластеров равняется трем.

Входные параметры

свернуть все

Входные данные, заданные как N-by-P матрица. N является количеством наблюдений, и P является количеством переменных.

Типы данных: single | double

Кластеризация алгоритма, заданного как одно из следующих.

'kmeans'Кластеризируйте данные в x с помощью алгоритма кластеризации kmeans с набором 'EmptyAction' к 'singleton' и набором 'Replicates' к 5.
'linkage'Кластеризируйте данные в x с помощью clusterdata агломерационный алгоритм кластеризации с набором 'Linkage' к 'ward'.
'gmdistribution'Кластеризируйте данные в x с помощью gmdistribution Гауссов алгоритм распределения смеси с набором 'SharedCov' к true и набором 'Replicates' к 5.

Если criterion является 'CalinskiHarabasz', 'DaviesBouldin' или 'silhouette', можно задать кластеризирующийся алгоритм с помощью указателя на функцию (MATLAB). Функция должна иметь форму C = clustfun(DATA,K), где DATA является данными, которые будут кластеризироваться, и K является количеством кластеров. Вывод clustfun должен быть одним из следующего:

  • Вектор целых чисел, представляющих кластерный индекс для каждого наблюдения в DATA. Должен быть K уникальные значения в этом векторе.

  • Числовой n-by-K матрица счета к наблюдениям n и классам K. В этом случае кластерный индекс для каждого наблюдения определяется путем принятия самое большое значение счета в каждой строке.

Если criterion является 'CalinskiHarabasz', 'DaviesBouldin' или 'silhouette', можно также задать clust как n-by-K матрица, содержащая предложенные решения по кластеризации. n является количеством наблюдений в выборочных данных, и K является количеством предложенных решений по кластеризации. Столбец j содержит кластерные индексы для каждой из точек N в j th решение по кластеризации.

Типы данных: single | double | char | string | function_handle

Кластеризация критерия оценки, заданного как одно из следующих.

'CalinskiHarabasz'Создайте CalinskiHarabaszEvaluation, кластеризирующий объект оценки, содержащий индексные значения Calinski-Harabasz.
'DaviesBouldin'Создайте объект оценки кластера DaviesBouldinEvaluation, содержащий индексные значения Дэвиса-Булдина.
'gap'Создайте объект оценки кластера GapEvaluation, содержащий значения критерия разрыва.
'silhouette'Создайте объект оценки кластера SilhouetteEvaluation, содержащий значения контура.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'KList',[1:5],'Distance','cityblock' задает, чтобы протестировать 1, 2, 3, 4, и 5 кластеров с помощью метрики расстояния городского квартала.

Для всех критериев

свернуть все

Список количества кластеров, чтобы оценить, заданный как пара, разделенная запятой, состоящая из 'KList' и вектор положительных целочисленных значений. Необходимо задать KList, когда clust является кластеризирующимся именем алгоритма или указателем на функцию. Когда criterion является 'gap', clust должен быть вектором символов, скаляром строки или указателем на функцию, и необходимо задать KList.

Пример: 'KList',[1:6]

Типы данных: single | double

Для контура и разрыва

свернуть все

Метрика расстояния, используемая для вычисления значений критерия, заданных как пара, разделенная запятой, состоящая из 'Distance' и одно из следующих.

'sqEuclidean'Придал Евклидову расстоянию квадратную форму
'Euclidean'Евклидово расстояние. Эта опция не допустима для алгоритма кластеризации kmeans.
'cityblock'Сумма абсолютных разностей
'cosine'Один минус косинус включенного угла между точками (обработанный как векторы)
'correlation'Один минус корреляция выборки между точками (обработанный как последовательности значений)
'Hamming'Процент координат, которые отличаются. Эта опция только допустима для критерия Silhouette.
'Jaccard'Процент ненулевых координат, которые отличаются. Эта опция только допустима для критерия Silhouette.

Для получения дальнейшей информации о каждой метрике расстояния, смотрите pdist.

Можно также задать функцию для метрики расстояния использование указателя на функцию (MATLAB). Функция расстояния должна иметь форму d2 = distfun(XI,XJ), где XI является 1 n вектором, соответствующим одной строке входной матрицы X, и XJ является m 2 n матрицей, соответствующей нескольким строкам X. distfun должен возвратить m 2 1 вектор расстояний d2, k которого th элемент является расстоянием между XI и XJ(k,:).

Distance только принимает указатель на функцию, если кластеризирующийся алгоритм clust принимает указатель на функцию как метрику расстояния. Например, алгоритм кластеризации kmeans не принимает указатель на функцию как метрику расстояния. Поэтому, если вы используете алгоритм kmeans и затем задаете указатель на функцию для Distance, программных ошибок.

  • Если criterion является 'silhouette', можно также задать Distance как выходной вектор, созданный функциональным pdist.

  • Когда clust является 'kmeans' или 'gmdistribution', evalclusters использует метрику расстояния, заданную для Distance, чтобы кластеризировать данные.

  • Если clust является 'linkage', и Distance является или 'sqEuclidean' или 'Euclidean', то кластеризирующийся алгоритм использует Евклидово расстояние и связь Уорда.

  • Если clust является 'linkage', и Distance является любой другой метрикой, то кластеризирующийся алгоритм использует заданную метрику расстояния и среднюю связь.

  • Во всех других случаях метрика расстояния, заданная для Distance, должна совпадать с метрикой расстояния, используемой в кластеризирующемся алгоритме, чтобы получить значимые результаты.

Пример: 'Distance','Euclidean'

Типы данных: single | double | char | string | function_handle

Для контура только

свернуть все

Априорные вероятности для каждого кластера, заданного как пара, разделенная запятой, состоящая из 'ClusterPriors' и одно из следующих.

'empirical'Вычислите полное значение контура для решения по кластеризации путем усреднения значений контура для всех точек. Каждый кластер способствует полному значению контура пропорционально к его размеру.
'equal'Вычислите полное значение контура для решения по кластеризации путем усреднения значений контура для всех точек в каждом кластере, и затем усреднения тех значений через все кластеры. Каждый кластер способствует одинаково полному значению контура, независимо от его размера.

Пример: 'ClusterPriors','empirical'

Для разрыва только

свернуть все

Количество наборов справочных данных сгенерировало от ссылочного распределения ReferenceDistribution, заданный как пара, разделенная запятой, состоящая из 'B' и положительного целочисленного значения.

Пример: 'B',150

Типы данных: single | double

Метод генерации справочных данных, заданный как пара, разделенная запятой, состоящая из 'ReferenceDistributions' и одно из следующих.

'PCA'Сгенерируйте справочные данные от равномерного распределения по полю, выровненному с основными компонентами матрицы данных x.
'uniform'Сгенерируйте справочные данные однородно в области значений каждой функции в матрице данных x.

Пример: 'ReferenceDistribution','uniform'

Метод для выбора оптимального количества кластеров, заданных как пара, разделенная запятой, состоящая из 'SearchMethod' и одно из следующих.

'globalMaxSE'

Оцените каждое предложенное количество кластеров в KList и выберите самое маленькое количество удовлетворения кластеров

Разрыв(K)≥GAPMAX−SE(GAPMAX),

где K является количеством кластеров, Разрыв (K) является значением разрыва для решения по кластеризации с кластерами K, GAPMAX является самым большим значением разрыва, и SE (GAPMAX) является стандартной погрешностью, соответствующей самому большому значению разрыва.

'firstMaxSE'

Оцените каждое предложенное количество кластеров в KList и выберите самое маленькое количество удовлетворения кластеров

Разрыв(K)≥Разрыв(K+1)−SE(K+1),

где K является количеством кластеров, Разрыв (K) является значением разрыва для решения по кластеризации с кластерами K, и SE (K + 1) является стандартной погрешностью решения по кластеризации с K + 1 кластер.

Пример: 'SearchMethod','globalMaxSE'

Выходные аргументы

свернуть все

Кластеризация данных об оценке, возвращенных как кластеризирующийся объект оценки.

Смотрите также

| | |

Темы

Введенный в R2013b

Документация Statistics and Machine Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте