哪些人是建网站的,太原免费建站,搭建网站的必须条件,中国建设银行2024版本AP聚类算法是目前十分火的一种聚类算法#xff0c;它解决了传统的聚类算法的很多问题。不仅简单#xff0c;而且聚类效果还不错。这里#xff0c;把前两天学习的AP算法在R语言上面的模拟#xff0c;将个人笔记拿出来与大家分享一下#xff0c;不谈AP算法的原理#xff0c… AP聚类算法是目前十分火的一种聚类算法它解决了传统的聚类算法的很多问题。不仅简单而且聚类效果还不错。这里把前两天学习的AP算法在R语言上面的模拟将个人笔记拿出来与大家分享一下不谈AP算法的原理只初步的讲一下应用更多请关注下期。 APClusting in R 相似矩阵的计算 negDistMat(x, selNA, r1, methodeuclidean, p2) expSimMat(x, selNA, r2, w1, methodeuclidean, p2) 相似度公式sexp(-(d/w)^r) linSimMat(x, selNA, w1, methodeuclidean, p2) 相似度公式smax(0,1-d/w) corSimMat(x, selNA, r1, signedTRUE, methodpearson) 相似度公式s(x^T y)/(|x| |y|) linKernel(x, selNA, normalizeFALSE) x若是向量则取其所有值进行矩阵求取。若是矩阵和数据框则取行作为sample。 如 向量 矩阵 AP聚类函数 ①Apcluster()进行Ap过程 apcluster(x,p) x是相似矩阵 p是指定簇时候的界定值 ②同时求相似矩阵和执行Ap apcluster(s, x) s是相似矩阵的求取函数 其中negDistMat()可以指定参数如negDistMat(r2) 聚类返回结果APResult 我们作一个二维的数据集的聚类 从图中我们可以看到 a.样本个数 b.迭代次数 resit c.簇的个数以及簇的成员 d.簇的界定值 Input preference大于它就被选为簇中心 e.簇中心 Exemplar 等 ressim 相似矩阵 对结果进行绘图 plot函数 apcluster包里面对plot函数进行了重写plot(x,y) x是聚类结果y是数据集 由上图我们也可以看到两个簇中心是30[0.2796125 0.7300467]、36[0.7023239 0.4018984] heatmap函数 a. heatmap(x) x是聚类结果 由上图可以看出各点之间的相似度 b. heatmap(sim)画相似矩阵的热点图如图 heatmap(ressim[1:10,1:10]) 由于数据较多我们只取前10行以及前10列进行绘图 由上图可以看出各点之间的相似对以及他们之间的层次关系. 转载于:https://www.cnblogs.com/mixes/p/3707805.html
