Выполнение агломеративной кластеризации данных, сгенерированных случайным образом, путем оценки противоречивых значений на глубину до четырех под каждым узлом.

Случайная генерация данных выборки.

rng('default'); % For reproducibility
X = [(randn(20,2)*0.75)+1;
    (randn(20,2)*0.25)-1];

Создайте график разброса данных.

scatter(X(:,1),X(:,2));
title('Randomly Generated Data');

Создание иерархического дерева кластера с помощью ward СПОСОБ СВЯЗЫВАНИЯ.

Z = linkage(X,'ward');

Создайте график дендрограммы данных.

dendrogram(Z)

График рассеяния и график дендрограммы, по-видимому, показывают два кластера в данных.

Скопируйте данные, используя порог 3 для коэффициента несогласованности и заглядывая на глубину 4 ниже каждого узла. Постройте график результирующих кластеров.

T = cluster(Z,'cutoff',3,'Depth',4);
gscatter(X(:,1),X(:,2),T)

cluster идентифицирует два кластера в данных.

Выполнение агломеративной кластеризации на fisheriris набор данных с использованием 'distance' в качестве критерия для определения кластеров. Визуализируйте назначения кластеров данных.

Загрузить fisheriris набор данных.

load fisheriris

Визуализация графика рассеяния 2-D данных с использованием видов в качестве переменной группировки. Укажите цвета маркеров и символы маркеров для трех различных видов.

gscatter(meas(:,1),meas(:,2),species,'rgb','do*')
title("Actual Clusters of Fisher's Iris Data")

Создание иерархического дерева кластера с помощью 'average' метод и 'chebychev' метрика.

Z = linkage(meas,'average','chebychev');

Кластеризация данных с использованием порогового значения 1,5 для 'distance' критерий.

T = cluster(Z,'cutoff',1.5,'Criterion','distance')

T = 150×1

     2
     2
     2
     2
     2
     2
     2
     2
     2
     2
      ⋮

T содержит номера, соответствующие назначениям кластера. Найти число классов, которые cluster идентифицирует.

length(unique(T))

ans = 3

cluster определяет три класса для указанных значений cutoff и Criterion.

Визуализация графика рассеяния 2-D результатов кластеризации с помощью T в качестве переменной группировки. Укажите цвета маркеров и обозначения маркеров для трех различных классов.

gscatter(meas(:,1),meas(:,2),T,'rgb','do*')
title("Cluster Assignments of Fisher's Iris Data")

Кластеризация правильно идентифицирует класс setosa (класс 2) как принадлежащий к отдельному кластеру, но плохо различает классы versicolor и virginica (классы 1 и 3 соответственно). Обратите внимание, что график разброса маркирует классы с помощью чисел, содержащихся в T.

Найдите максимум три кластера в fisheriris набор данных и сравнение назначений кластеров цветов с их известной классификацией.

Загрузите образцы данных.

load fisheriris

Создание иерархического дерева кластера с помощью 'average' метод и 'chebychev' метрика.

Z = linkage(meas,'average','chebychev');

Найдите в данных максимум три кластера.

T = cluster(Z,'maxclust',3);

Создание дендрограммного графика Z. Для просмотра трех кластеров используйте 'ColorThreshold' с отсечкой на полпути между третьей от последней и второй от последней связями.

cutoff = median([Z(end-2,3) Z(end-1,3)]);
dendrogram(Z,'ColorThreshold',cutoff)

Отображение последних двух строк Z чтобы увидеть, как три кластера объединены в один. linkage объединяет 293-й (синий) кластер с 297-м (красным) кластером, образуя 298-й кластер со связью 1.7583. linkage затем объединяет 296-й (зеленый) кластер с 298-м кластером.

lastTwo = Z(end-1:end,:)

lastTwo = 2×3

  293.0000  297.0000    1.7583
  296.0000  298.0000    3.4445

Посмотрите, как назначения кластера соответствуют трем видам. Например, один из кластеров содержит 50 цветки второго вида и 40 цветки третьего вида.

crosstab(T,species)

ans = 3×3

     0     0    10
     0    50    40
    50     0     0

Случайная генерация данных выборки с 20 000 наблюдений.

rng('default') % For reproducibility
X = rand(20000,3);

Создание иерархического дерева кластера с помощью ward СПОСОБ СВЯЗЫВАНИЯ. В этом случае 'SaveMemory' вариант clusterdata для функции установлено значение 'on' по умолчанию. В общем, укажите наилучшее значение для 'SaveMemory' на основе размеров X и доступная память.

Z = linkage(X,'ward');

Скопируйте данные максимум в четыре группы и постройте график результата.

c = cluster(Z,'Maxclust',4);
scatter3(X(:,1),X(:,2),X(:,3),10,c)

cluster определяет четыре группы в данных.