FindClusters

FindClusters[{e1,e2,}]
eiを同種の要素ごとにクラスタにまとめる.

FindClusters[{e1v1,e2v2,}]
各クラスタの eiに対応する viを返す.

FindClusters[{e1,e2,}{v1,v2,}]
同じ結果を返す.

FindClusters[label1e1,label2e2,]
各クラスタの eiに対応する labeliを返す.

FindClusters[data,n]
データを最高で n 個のクラスタにまとめる.

詳細とオプション詳細とオプション

  • FindClustersは,数値,テキスト,画像,日付と時刻等を含むさまざまなデータタイプに使うことができる.
  • 使用可能なオプション
  • CriterionFunctionAutomaticメソッド選択の基準
    DistanceFunctionAutomatic使用する距離関数
    MethodAutomatic使用するメソッド
    PerformanceGoalAutomatic最適化するパフォーマンスの局面
    WeightsAutomatic各例に与える重み
  • デフォルトで,要素タイプに応じて次の距離関数が使われる.
  • ColorDistance
    EditDistance文字列
    EuclideanDistance数値データ
    ImageDistance画像
    JaccardDissimilarityブールデータ
  • DistanceFunctionの設定は,任意の距離関数,非類似度関数,または2つの値間の距離を定義する関数 f でよい.
  • PerformanceGoalの可能な設定
  • Automatic速度,確度,メモリ間の自動トレードオフ
    "Quality"分類子の確度を最大にする
    "Speed"分類子の速度を最大にする
  • Methodの可能な設定
  • Automaticメソッドを自動選択する
    "Agglomerate"単一の結合クラスタ化アルゴリズム
    "DBSCAN"ノイズがあるアプリケーションの密度に基づいた空間クラスタ化
    "NeighborhoodContraction"例を高密度領域に移す
    "JarvisPatrick"JarvisPatrickクラスタ化アルゴリズム
    "KMeans"k 平均クラスタ化アルゴリズム
    "MeanShift"平均シフトクラスタ化アルゴリズム
    "KMedoids"medoidの周りでのクラスタ化
    "SpanningTree"最小全域木に基づいたクラスタ化アルゴリズム
    "Spectral"スペクトルクラスタ化アルゴリズム
    "GaussianMixture"ガウス混合アルゴリズムのバリエーション
  • "KMeans"法と"KMedoids"法はクラスタ数が指定されているときにしか使用できない.
  • CriterionFunctionの可能な設定
  • "StandardDeviation"二乗平均平方根標準偏差
    "RSquared"R平方
    "Dunn"Dunn指標
    "CalinskiHarabasz"CalinskiHarabasz指標
    "DaviesBouldin"DaviesBouldin指標
    Automatic内部指標

例題例題すべて開くすべて閉じる

  (4)  (4)

近傍の値のクラスタを求める:

In[1]:=
Click for copyable input
Out[1]=

厳密に4つのクラスタを求める:

In[1]:=
Click for copyable input
Out[1]=

各規則の右辺でクラスタ化された要素を表す:

In[1]:=
Click for copyable input
Out[1]=

連想のキーを使ってクラスタ化された要素を表す:

In[1]:=
Click for copyable input
Out[1]=
2007年に導入
(6.0)
| 2016年に修正
(11.0)