ClusteringComponents

ClusteringComponents[array]

array の最低レベルにある各要素をその要素が含まれるクラスタを表す整数指標で置き換えた配列を与える．

ClusteringComponents[array,n]

n 個のクラスタを求める．

ClusteringComponents[array,n,level]

array の指定レベルのクラスタを求める．

ClusteringComponents[image]

image の値が同じような画素のクラスタを求める．

ClusteringComponents[image,n]

image 中のクラスタを n 個求める．

詳細とオプション

例題

すべて開くすべて閉じる

例  (3)

リスト中の2つの値のクラスタにラベルを付ける：

文字列のベクトルにラベルを付ける：

MR画像のクラスタ分析：

スコープ  (10)

行列中の値のクラスタ：

画像中の色のクラスタを求める：

3D画像中のクラスタを求める：

ネストしたリストのクラスタ化変換：

リストのレベル2でクラスタを見付ける：

リストのレベル1でクラスタを見付ける：

大きい数のクラスタを指定することで重複を見付ける：

行列中のクラスタにラベルを付ける：

ブール値のリストをクラスタ化する：

ブールベクトルのリストをクラスタ化する：

オプション  (13)

CriterionFunction  (1)

分割されたデータを生成し，可視化する：

CriterionFunctionの異なる設定を使って厳密に2つのクラスタによるクラスタ割当てを求める：

データの2種類のクラスタ化を比較する：

DistanceFunction  (1)

デフォルトで，文字列リストのクラスタ化にはEditDistanceが使われる：

HammingDistanceを使って，一致しない文字の数に基づいてクラスタ化する：

FeatureExtractor  (1)

画像のリストのクラスタ化要素を求める：

カスタムのFeatureExtractorを作って特徴を抽出する：

結果の特徴を見る：

FeatureExtractorを使って新たなクラスタ化要素を見る：

新たなクラスタ化を見る：

FeatureNames  (1)

FeatureNamesを使って特徴に名前を付け，以降の指定でこの名前を参照する：

FeatureTypes  (1)

FeatureTypesを使って特徴の解釈を強制する：

名義的特徴を仮定して得られた結果と上記を比較する：

Method  (5)

正規分布に従うデータを生成し，そのヒストグラムを可視化する：

"GaussianMixture"法を使ってこのデータについてのクラスタ割当てを求める：

対応するクラタ化を可視化する：

kメドイド法を使って文字列リストへのクラスタ割当てを求める：

結果のクラスタ化を見る：

さまざまなメソッドを使って画像中の色クラスタを求める：

"NeighborhoodContraction"法とそのサブオプションを使って画像中の色クラスタを求める：

"Spectral"法とそのサブオプションを使って画像中の色クラスタを求める：

PerformanceGoal  (1)

長さ1000のランダムな数値ベクトルを500個生成する：

上で生成したベクトルのクラスタ化を計算し，基準に従って操作を評価する：

PerformanceGoalを"Quality"に設定して同じ操作を行う：

RandomSeeding  (1)

500個のランダムな二次元数値ベクトルを生成する：

そのクラスタ化を数回計算し，結果を比較する：

RandomSeedingオプションを変えてクラスタ化を数回計算し，結果を比較する：

Weights  (1)

数値データについてのクラスタ割当てを得る：

各数に与えられた重みを変えた場合のクラスタ割当てを見る：

アプリケーション  (2)

Perona–Malikフィルタで平滑化した後の顕微鏡画像のカラー分割：

画像の二値分割：

特性と関係  (3)

ClusteringComponentsはクラスタ指標の配列を与えるのに対し，FindClustersはクラスタのリストを返す：

ClusteringComponentsの結果を類似要素の分割に変換する：

FindClustersも同じ結果を返す：

FindClustersの結果をクラスタ指標のリストに変換する：

ClusteringComponentsも同じ結果を返す：

考えられる問題  (1)

"KMeans"法は入力のサブセットの平均が入力空間に属さない場合には使えない：

Wolfram Research (2010), ClusteringComponents, Wolfram言語関数， https://reference.wolfram.com/language/ref/ClusteringComponents.html （2022年に更新）.

テキスト

Wolfram Research (2010), ClusteringComponents, Wolfram言語関数， https://reference.wolfram.com/language/ref/ClusteringComponents.html （2022年に更新）.

CMS

Wolfram Language. 2010. "ClusteringComponents." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2022. https://reference.wolfram.com/language/ref/ClusteringComponents.html.

APA

Wolfram Language. (2010). ClusteringComponents. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/ClusteringComponents.html

BibTeX

@misc{reference.wolfram_2024_clusteringcomponents, author="Wolfram Research", title="{ClusteringComponents}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/ClusteringComponents.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_clusteringcomponents, organization={Wolfram Research}, title={ClusteringComponents}, year={2022}, url={https://reference.wolfram.com/language/ref/ClusteringComponents.html}, note=[Accessed: 21-November-2024 ]}