轮廓
轮廓图
语法
clust轮廓(X)
s =轮廓(X, clust)
[s、h] =轮廓(X, clust)
[…)=轮廓(X, clust度规)
[…]=轮廓(X, clust distfun, p1, p2,…)
描述
clust轮廓(X)情节集群的剪影n——- - - - - -p数据矩阵X集群定义为clust。行X对应点,列对应坐标。clust可以是类别变量,数字矢量,字符矩阵或单元阵列特征向量包含为每个点一个集群名称。轮廓对待南年代或空的特征向量clust作为缺失值,忽略了相应的行X。默认情况下,轮廓使用点之间的平方欧氏距离X。
s =轮廓(X, clust)返回轮廓值n1的向量年代,但没有阴谋集群剪影。
[s、h] =轮廓(X, clust)情节的轮廓,并返回轮廓值n1的向量年代,图处理h。
[…)=轮廓(X, clust块中指定的轮廓使用inter-point距离函数度规)度规。选择度规在下表中给出。
| 度规 | 描述 |
|---|---|
“欧几里得” |
欧氏距离 |
“sqEuclidean” |
平方欧氏距离(默认) |
“cityblock” |
的绝对差异 |
的余弦 |
1 -之间的夹角的余弦值点(视为向量) |
“相关” |
1 -样本点之间的相关性(视为序列值) |
“汉明” |
不同比例的坐标 |
“Jaccard” |
不同比例的非零坐标 |
| 向量 | 一个数字距离在上三角矩阵向量形式,例如是由 |
每个指标的更多信息,请参阅距离度量。
[…]=轮廓(X, clust distfun, p1, p2,…)接受一个函数处理distfun表单的一个度量
d = distfun (X0, X, p1, p2,…)
在哪里X0是一个1——- - - - - -p点,X是一个n——- - - - - -p矩阵点,p1, p2,……是可选的附加参数。这个函数distfun返回一个n——- - - - - -1向量d之间的距离X0和每一个点(行)X。的参数p1,p2,…直接传递到函数distfun。
例子
创建轮廓图
从集群数据创建一个轮廓图。
生成随机样本数据。
rng默认的%的再现性X = [randn (10, 2) + 1 (2); randn(10, 2)的(2)];
集群中的数据X使用kmeans。
cidx = kmeans (X, 2);
从集群数据创建一个轮廓图。
轮廓(X, cidx)
计算轮廓值
从集群数据计算轮廓值。
生成随机样本数据。
rng默认的%的再现性X = [randn (10, 2) + 1 (2); randn(10, 2)的(2)];
使用kmeans集群中的数据X基于绝对差异距离的总和。
cidx = kmeans (X 2“距离”,“cityblock”);
集群计算轮廓值数据。指定度规作为“cityblock”表明的kmeans聚类是基于绝对差异的总和。
s =轮廓(X, cidx,“cityblock”)
s = 0.0816 0.5848 0.1906 0.2781 0.3954 0.4050 0.0897 0.5416 0.6203 0.6664 0.5814 0.6022 0.6540 0.5223 0.5566 0.4227 0.6225 0.6558 0.5284 0.6034
更多关于
引用
[1]考夫曼L。,P. J. Rousseeuw.发现组织数据:介绍了聚类分析。新泽西州霍博肯:约翰·威利& Sons Inc ., 1990年。
