"SpanningTree" （机器学习方法）

Details & Suboptions

  • "SpanningTree" 是一种基于邻域的聚类方法. "SpanningTree" 适用于任意形状和大小的聚类；但是，当聚类密度不同或连接松散时，它可能会失败.
  • 下图展示了将 "SpanningTree" 方法应用于玩具数据集的结果：
  • 该算法找到相邻聚类之间距离最远的聚类集合. 两个相邻聚类 i 和 j 之间的距离 dij 定义为它们最近点之间的距离：
  • 从形式上讲，"SpanningTree" 方法构造数据点的最小跨度树（使用距离作为图权重）. 然后修剪树的最长边. 每个连通分量对应一个聚类. 当达到指定的聚类数时，修剪将停止. 如果未指定聚类数，则当所有边都短于给定阈值时，修剪将停止.
  • 选项 DistanceFunction 可用于定义要使用的距离.
  • 可以给出以下子选项：
  • "MaxEdgeLength" Automatic修剪长度阈值

范例

打开所有单元关闭所有单元

基本范例  (3)

使用 "SpanningTree" 方法查找附近值的聚类：

使用 "SpanningTree" 方法训练 ClassifierFunction：

获取聚类分配并对数据进行聚类：

创建随机二维向量：

绘制通过 "SpanningTree" 方法识别的聚类：

范围  (2)

使用 ClusteringComponents 查找聚类索引：

创建并可视化带噪声的二维月形训练和测试数据集：

使用 "SpanningTree" 训练 ClassifierFunction 并找到测试集中的聚类：

可视化由 "SpanningTree" 找到的两个相互交织的聚类：

选项  (2)

DistanceFunction  (1)

使用曼哈顿距离对数据进行聚类：

"MaxEdgeLength"  (1)

通过指定 "MaxEdgeLength" 子选项来查找聚类：