包:clustering.evaluation
超类:ClusterCriterion.
轮廓准则聚类评价对象
剪影值
是由样本数据、聚类数据和剪影准则值组成的对象,用于评价最优聚类数。创建轮廓准则聚类评价对象evalclusters
.
创建轮廓准则聚类评价对象。伊娃
= evalclusters (x
,clust
、“剪影”)
使用由一个或多个名称-值对参数指定的附加选项创建轮廓准则聚类评估对象。伊娃
= evalclusters (x
,clust
“轮廓”,名称,值
)
|
聚类算法用于聚类输入数据,存储为有效的聚类算法名或函数句柄。如果在输入中提供了聚类解决方案,金宝搏官方网站 |
|
每个集群的先验概率,存储为有效的先验概率名称。 |
|
对应于每个拟议的簇数的轮廓值 |
|
用于聚类评估的标准名称,存储为有效的标准名称。 |
|
中每个建议簇数对应的判据值 |
|
用于聚类数据的距离度量,存储为有效的距离度量名称。 |
|
用于计算标准值的建议簇的数量列表,存储为正整数值的向量。 |
|
被排除数据的逻辑标志,存储为逻辑值的列向量。如果 |
|
数据矩阵中的观察数 |
|
最佳数量的群集,存储为正整数值。 |
|
对应的最佳聚类解决方案 |
|
用于聚类的数据,以数值矩阵的形式存储。 |
[1] Kaufman L.和P. J. Rouseuw。在数据中寻找组:聚类分析导论.Hoboken,NJ:John Wiley&Sons,Inc。,1990年。
剪影:解释和验证聚类分析的图形辅助。计算与应用数学杂志.第20卷,第1期,1987年,第53-65页。