이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
군집분석은데이터점간의유사성을기준으로데이터를그룹으로정리합니다。어떤데이터는자연적인분할을포함하고있어적절한군집개수를알아내기쉬울수있습니다。그외경우에는데이터가자연적인분할을포함하지않거나자연적인분할을파악하기어렵게되어있을수있습니다。이런경우에는사용자가데이터를그룹화할최적의군집개수를결정합니다。
데이터가특정개수의군집에얼마나잘맞는지확인하려면간격또는실루엣과같은다양한평가기준을사용하여인덱스값을계산해야합니다。덴드로그램플롯을생성하여계층적이진군집트리를표시함으로써군집을시각화해봅니다。인접리프간유사성의합을극대화하도록리프순서를최적화합니다。각그룹별로여러측정값을갖는그룹화된데이터의경우에는다변량분산분석(MANOVA)을사용하여계산된그룹평균을기준으로덴드로그램플롯을생성합니다。
CalinskiHarabaszEvaluation |
Calinski-Harabasz准则聚类评价对象 |
DaviesBouldinEvaluation |
Davies-Bouldin准则聚类评价对象 |
GapEvaluation |
Gap准则聚类评价对象 |
SilhouetteEvaluation |
轮廓准则聚类评价对象 |
这个例子展示了如何通过使用evalclusters
.