plot

Класс: clustering.evaluation.ClusterCriterion
Пакет: clustering.evaluation

Постройте кластеризирующиеся значения критерия объекта оценки

Синтаксис

plot(eva)
h = plot(eva)

Описание

plot(eva) отображает график значений критерия по сравнению с количеством кластеров, на основе значений, сохраненных в кластеризирующемся объекте eva оценки.

h = plot(eva) возвращает указатель на сюжетную линию.

Входные параметры

развернуть все

Кластеризация данных об оценке, заданных как кластеризирующийся объект оценки. Создайте кластеризирующийся объект оценки использование evalclusters.

Выходные аргументы

развернуть все

Обработайте к сюжетной линии, возвращенной как скалярное значение.

Примеры

развернуть все

Постройте значения критерия по сравнению с количеством кластеров для каждого решения по кластеризации, сохраненного в кластеризирующемся объекте оценки.

Загрузите выборочные данные.

load fisheriris

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

Создайте кластеризирующийся объект оценки. Кластеризируйте данные с помощью kmeans, и оцените оптимальное количество кластеров с помощью критерия Calinski-Harabasz.

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

Постройте значения критерия Calinski-Harabasz для каждого количества протестированных кластеров.

figure;
plot(eva);

График показывает, что самое высокое значение Calinski-Harabasz происходит в трех кластерах, предполагая, что оптимальное количество кластеров равняется трем.

Смотрите также

Для просмотра документации необходимо авторизоваться на сайте