分群

統計軟體 R 簡介 安裝 操作方式 變數與運算 有序數列 向量 矩陣 多維陣列 複數 因子 串列 資料框 時間數列 流程控制 輸出入 呼叫 函數 2D 繪圖 3D 繪圖 互動介面 套件列表 其他語言呼叫 R 的應用 集合 邏輯推論 模糊邏輯 機率邏輯 檢定 搜尋 優化算法 線性代數 決策樹 人工智慧 分群分類 SVM 向量機 神經網路 遺傳演算法 資料採礦 訊號處理 影像處理 語音處理 自然語言 機器學習 機器人 生物統計 數位訊號處理 方程式求解 數值分析 微積分 微分方程 線性規劃 圖形理論 統計推論 字串處理 正規表示式 視窗程式 網頁程式 文件格式 貝氏網路 訊息 機率統計書 相關網站 參考文獻 最新修改 簡體版 English

文章 http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering/K-Means http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Classification k-means http://stat.ethz.ch/R-manual/R-patched/library/stats/html/kmeans.html require(graphics) # a 2-dimensional example x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2)) colnames(x) <- c("x", "y") (cl <- kmeans(x, 2)) plot(x, col = cl$cluster) points(cl$centers, col = 1:2, pch = 8, cex = 2) # sum of squares ss <- function(x) sum(scale(x, scale = FALSE)^2) ## cluster centers "fitted" to each obs.: fitted.x <- fitted(cl); head(fitted.x) resid.x <- x - fitted(cl) ## Equalities : ---------------------------------- cbind(cl[c("betweenss", "tot.withinss", "totss")], # the same two columns c(ss(fitted.x), ss(resid.x), ss(x))) stopifnot(all.equal(cl$ totss, ss(x)), all.equal(cl$ tot.withinss, ss(resid.x)), ## these three are the same: all.equal(cl$ betweenss, ss(fitted.x)), all.equal(cl$ betweenss, cl$totss - cl$tot.withinss), ## and hence also all.equal(ss(x), ss(fitted.x) + ss(resid.x)) ) kmeans(x,1)$withinss # trivial one-cluster, (its W.SS == ss(x)) ## random starts do help here with too many clusters ## (and are often recommended anyway!): (cl <- kmeans(x, 5, nstart = 25)) plot(x, col = cl$cluster) points(cl$centers, col = 1:5, pch = 8) 決策樹 http://cran.r-project.org/web/packages/rpart/rpart.pdf fit <- rpart(Price ~ Mileage + Type + Country, cu.summary) par(xpd = TRUE) plot(fit, compress = TRUE) text(fit, use.n = TRUE) hclust http://stat.ethz.ch/R-manual/R-patched/library/stats/html/hclust.html require(graphics) hc <- hclust(dist(USArrests), "ave") plot(hc) plot(hc, hang = -1) ## Do the same with centroid clustering and squared Euclidean distance, ## cut the tree into ten clusters and reconstruct the upper part of the ## tree from the cluster centers. hc <- hclust(dist(USArrests)^2, "cen") memb <- cutree(hc, k = 10) cent <- NULL for(k in 1:10){ cent <- rbind(cent, colMeans(USArrests[memb == k, , drop = FALSE])) } hc1 <- hclust(dist(cent)^2, method = "cen", members = table(memb)) opar <- par(mfrow = c(1, 2)) plot(hc, labels = FALSE, hang = -1, main = "Original Tree") plot(hc1, labels = FALSE, hang = -1, main = "Re-start from 10 clusters") par(opar) 參考文獻 http://www.statmethods.net/advstats/cluster.html Quick-R : accessing the power of R Cluster Analysis K-Means Clustering http://stat.ethz.ch/R-manual/R-devel/library/stats/html/kmeans.html Pragmatic Programming Techniques : Machine Learning in R: Clustering, SUNDAY, APRIL 8, 2012 R Tutorial Hierarchical Cluster Analysis RDataMining http://rdatamining.wordpress.com/2011/08/26/examples-on-clustering-with-r/ 評論 Post preview: Close preview or Sign in as Wikidot user (will not be published) - + Help: wiki text quick reference 授權 本網頁的作者、授權與引用方式 作者 陳鍾誠 (部分網頁改寫來源為：徐俊晓 「统计学与R读书笔记第五版」)，於金門大學資訊工程系，電子郵件：wt.ude.uqn|ccc#wt.ude.uqn|ccc，網站：http://ccckmit.wikidot.com。 授權 本文採用 GFDL 授權條款 (GNU Free Documentation License)。 引用方式 陳鍾誠, 「免費電子書：R 統計軟體」， (網站) 陳鍾誠的網站 (網頁標題) 分群，取自 http://ccckmit.wikidot.com/r:clustering ，網頁修改第 8 版 (24 Jun 2012 08:48)