FindClusters

FindClusters[{e1,e2,…}]

把 ei 分成相似元素组成的聚类.

FindClusters[{e1v1,e2v2,…}]

返回对应于各个聚类中的 ei 的 vi.

FindClusters[data,n]

将 data 分割为 n 个聚类.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (4)

找出数值附近的聚类：

找出准确的四个聚类：

用每个规则的右手边项表示聚类元素：

用关联键值表示聚类元素：

范围  (6)

聚类向量的实数值：

任何精度的聚类数据：

聚类布尔 True、False 数据：

聚类颜色：

聚类图像：

三维图像聚类：

选项  (15)

CriterionFunction  (1)

生成分开的数据并可视化：

用 CriterionFunction 的不同设置生成聚类数据

对比两个数据的聚类：

DistanceFunction  (4)

用 CanberraDistance 作为连续数据的距离测量方法：

在默认的情况下，由 SquaredEuclideanDistance 获得聚类：

用 DiceDissimilarity 作为布尔数据的距离测量方法：

用 MatchingDissimilarity 作为布尔数据的距离测量方法：

用 HammingDistance 作为字符串数据的距离测量方法：

定义一个距离函数作为纯函数：

FeatureExtractor  (1)

查找一系列图像的聚类：

创建自定义 FeatureExtractor 来提取特征：

FeatureNames  (1)

使用 FeatureNames 来命名特征，然后在进一步说明中引用其名称：

FeatureTypes  (1)

使用 FeatureTypes 强制对特征的解释：

与假定名义特征获得结果比较：

Method  (4)

按等级生成聚类数据：

按默认方法获得聚类：

生成正态分布数据并可视化：

通过用 k-均值方法将数据聚集于 4 个聚类中：

用未指定聚类数目的 "GaussianMixture" 方法生成聚类数据：

生成均匀分布的数据：

通过用 k-均值方法将数据聚集于 2 个聚类中：

用未指定聚类数目的 "DBSCAN" 方法生成聚类数据：

生成颜色列表：

用 k-均值方法将颜色聚集于 5 个聚类中：

用未指定聚类数目的 "MeanShift" 方法生成聚类颜色：

用未指定聚类数目的 "NeighborhoodContraction" 方法生成聚类颜色：

用 "NeighborhoodContraction" 方法和子选项生成聚类颜色：

PerformanceGoal  (1)

生成长度为 1000 的 500 个随机数值向量：

计算它们的聚类，并操作基准对操作进行评价：

将 PerformanceGoal 设置为 "Speed"，执行同一操作：

RandomSeeding  (1)

产生 500 个随机二维数字向量：

进行几次聚类计算并比较结果：

通过改变 RandomSeeding 选项进行几次聚类计算并比较结果：

Weights  (1)

获取分配给某些数字数据的聚类：

当更改给与每个数字的权重时候，查看按聚类的分配：

应用  (3)

在二元数据中获得并可视化聚类：

在 个五维向量中求聚类：

按照不同元素的数量生成基因序列聚类：

属性和关系  (2)

FindClusters 返回聚类的列表，而 ClusteringComponents 给出聚类索引的数组：

当 Nearest 给出的元素最接近指定值时，FindClusters 对数据编组：

巧妙范例  (2)

按照一致分布的随意点形成的聚类，把一个方形划分为 n 段：

生成英文词典中有 "agg" 的聚类数据：

Wolfram Research (2007)，FindClusters，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FindClusters.html （更新于 2020 年）.

文本

Wolfram Research (2007)，FindClusters，Wolfram 语言函数，https://reference.wolfram.com/language/ref/FindClusters.html （更新于 2020 年）.

CMS

Wolfram 语言. 2007. "FindClusters." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/FindClusters.html.

APA

Wolfram 语言. (2007). FindClusters. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FindClusters.html 年

BibTeX

@misc{reference.wolfram_2024_findclusters, author="Wolfram Research", title="{FindClusters}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/FindClusters.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_findclusters, organization={Wolfram Research}, title={FindClusters}, year={2020}, url={https://reference.wolfram.com/language/ref/FindClusters.html}, note=[Accessed: 21-November-2024 ]}