集群

对随机生成的数据执行凝结的集群通过评估不一致的价值观四个低于每个节点的深度。

随机生成示例数据。

rng (“默认”);%的再现性2 X = [(randn(20日)* 0.75)+ 1;2 (randn(20日)* 0.25)1);

创建一个数据的散点图。

散射(X (: 1), (2):,);标题(随机生成的数据的);

创建一个层次聚类树使用病房联系方法。

Z =连杆(X,“病房”);

创建一个系统树图的数据。

系统树图(Z)

散点图和系统树图情节似乎显示两个集群数据。

集群的数据使用一个阈值3不一致性系数和寻求4低于每个节点的深度。情节产生的集群。

T =集群(Z,“截止”3,“深度”4);gscatter (X (: 1) X (:, 2), T)

集群确定两个集群数据。

执行凝结的集群上fisheriris数据集使用“距离”定义集群的标准。可视化数据的集群作业。

加载fisheriris数据集。

负载fisheriris

可视化数据的二维散点图使用物种作为分组变量。指定标记颜色和标记符号的三个不同的物种。

gscatter(量(:1)量(:,2),物种,“rgb”,‘*’)标题(“实际的费雪的虹膜数据”)

创建一个层次聚类树使用“平均”方法和“chebychev”指标。

Z =连杆(量,“平均”,“chebychev”);

集群的数据使用一个阈值为1.5“距离”标准。

T =集群(Z,“截止”,1.5,“标准”,“距离”)

T =150×12 2 2 2 2 2 2 2 2 2⋮

T包含数字,对应于集群作业。找到的类的数量集群标识。

长度(独特的(T))

ans = 3

集群识别三个类的指定值截止和标准。

想象一个二维散点图的聚类结果T作为分组变量。指定标记颜色和标记符号的三个不同的类。

gscatter(量(:1)量(:,2),T,“rgb”,‘*’)标题(“费舍尔的虹膜数据集群作业”)

集群正确标识setosa类(二班)属于一个不同的集群,但不区分杂色的和virginica类(类1和3,分别)。注意,散点图标签中包含的类使用的数字T。

找到一个最大的三个集群fisheriris数据集和比较花的集群作业分类。

加载示例数据。

负载fisheriris

创建一个层次聚类树使用“平均”方法和“chebychev”指标。

Z =连杆(量,“平均”,“chebychev”);

找到一个最大的三个集群数据。

T =集群(Z,“maxclust”3);

创建一个系统树图块Z。看到三个集群,使用“ColorThreshold”与截止介于third-from-last和倒数第二联系。

截止=值([Z (end-2, 3) Z (end-1 3)]);系统树图(Z,“ColorThreshold”,截止)

显示的最后两行Z看看这三个集群是合并成一个。链接结合了293(蓝色)与第297(红色)集群集群形成298集群的链接1.7583。链接然后结合了296(绿色)集群与第298集群。

lastTwo = Z (end-1:最终,:)

lastTwo =2×3293.0000 297.0000 1.7583 296.0000 298.0000 3.4445

看到集群任务对应于三个物种。例如,一个集群包含50第二个物种和鲜花的40第三个物种的鲜花。

交叉表(T,物种)

ans =3×30 0 10 0 50 40 50 0 0

随机生成样本数据与20000年的观察。

rng (“默认”)%的再现性X =兰德(20000 3);

创建一个层次聚类树使用病房联系方法。在这种情况下,“SaveMemory”选择的clusterdata函数设置为“上”默认情况下。一般来说,指定的最佳值“SaveMemory”基于的尺寸X和可用内存。

Z =连杆(X,“病房”);

集群的数据到一个最大的四组和阴谋的结果。

c =集群(Z,“Maxclust”4);scatter3 (X (: 1) X (:, 2), X(:, 3), 10日,c)

集群识别四组数据。