使用evalclusters,然后用addK以评估额外的集群数量。

加载示例数据。

负载fisheriris

数据包括三种鸢尾花的萼片和花瓣的长度和宽度的测量。

群集花测量数据使用kmeans，并使用Calinski-Harabasz标准来评估从一个到五个集群的建议解决方案。金宝搏官方网站

伊娃= evalclusters(量,“kmeans”，“calinski”，“中”1:5)

eva = CalinskiHarabaszEvaluation with properties: NumObservations: 150 InspectedK: [1 2 3 45] criteria values: [Inf 513.9245 561.6278 530.4871 456.1279] OptimalK: 1

聚类评价对象伊娃包含每个建议的集群解决方案的数据。的返回值OptimalK表示最优解决方案是三个集群。

使用相同的标准评估6到10个集群的建金宝搏官方网站议解决方案。将这些评估添加到原始的聚类评估对象中伊娃．

伊娃= addK(伊娃,6:10)

eva = CalinskiHarabaszEvaluation with properties: NumObservations: 150 InspectedK: [1 2 3 4 5 6 7 8 9 10] criteria values: [1x10 double] OptimalK: 1

的更新值InspectedK和CriterionValues表明,伊娃现在评估1到10个集群的建议解决方案。金宝搏官方网站的OptimalK价值仍然等于3.，表明三个集群仍然是最优解决方案。