"JarvisPatrick" (機械学習メソッド)

詳細とサブオプション

  • "JarvisPatrick"は近傍に基づいたクラスタリング法である．"JarvisPatrick"は任意の形状とサイズのクラスタに使うことができるが，パラメータに敏感なので，クラスタ密度が異なったり結合が緩かったりするとうまくいかないことがある．
  • 次のプロットは，"JarvisPatrick"法をトイデータ集合に適用した結果を示している．
  • このアルゴリズムは，データ点の最近傍の類似度に基づいてクラスタを求め，点と点の間の類似度測度として「共有最近傍」を使う．
  • "JarvisPatrick"では，近傍は半径 ϵ の球の中の点として定義される．最低で p 個の近傍を共有する近傍対は同じクラスタに属す．
  • 次は，使用可能なサブオプションである．
  • "NeighborhoodRadius" Automatic半径 ϵ
    "SharedNeighborsNumber" Automatic共有近傍 p の最小数

例題

すべて開くすべて閉じる

例  (2)

"JarvisPatrick"法を使って近い値のクラスタを求める：

ランダムな2Dベクトルを作る：

"JarvisPatrick"法で見付かった data 中のクラスタをプロットする：

オプション  (5)

DistanceFunction  (1)

編集距離を使い，"NeighborhoodRadius"を指定して文字列のクラスタリングを求める：

"NeighborhoodRadius"  (2)

"JarvisPatrick"を使ってクラスタを求める：

"NeighborhoodRadius"サブオプションを指定してクラスタを求める：

やや不明瞭な4つのクラスタで特徴付けられる，二次元のデータ点の集合を定義する：

"JarvisPatrick"法を使い，"NeighborhoodRadius"を変えて，データのさまざまなクラスタリングをプロットする：

"SharedNeighborsNumber"  (2)

"NeighborsNumber"サブオプションを変えてクラスタを求める：

ランダムな2Dベクトルを作る：

"JarvisPatrick"法を使い，"SharedNeighborsNumber"を変えて，データ点のクラスタリングをプロットする：

アプリケーション  (1)

ノイズのある月の形をした訓練データ集合と検定データ集合を作成して可視化する：

"JarvisPatrick"法を使い"NeighborhoodRadius"を変えて，さまざまなClassifierFunctionを訓練する：

"NeighborhoodRadius"に小さい変更を加え，検定集合のさまざまなクラスタリングを求めて可視化する：