«clustering» etiketlenmiş sorular

DBSCAN, bazı literatürlere göre en çok atıf yapılan kümeleme algoritmasıdır ve yoğunluğa bağlı olarak rastgele şekil kümeleri bulabilir. İki parametre eps (mahalle yarıçapı olarak) ve minPts (bir noktayı çekirdek nokta olarak kabul etmek için minimum komşu olarak) yüksek oranda onlara bağlı olduğuna inanıyorum. Bu parametreleri seçmek için rutin veya yaygın …

14 clustering  dbscan 

Çok boyutlu bir veri setinin iki kısmı var, diyelim ki trainve test. Ve tren veri setine dayalı bir model oluşturmak ve test veri setinde doğrulamak istiyorum. Küme sayısı bilinmektedir. R'de k-ortalamaları kümelemeyi uygulamaya çalıştım ve kümelerin merkezlerini içeren bir nesne aldım: kClust <- kmeans(train, centers=N, nstart=M) R'de bulunan ve test …

14 r  clustering  k-means 

Birisi bana girişte mesafe matrisini alabilecek bir k-araç uygulaması (matlab'da daha iyi olurdu) gösterebilir mi? Standart matlab uygulaması girdi olarak gözlem matrisine ihtiyaç duyar ve benzerlik ölçüsünü özel olarak değiştirmek mümkün değildir.

14 clustering  matlab  k-means 

Müşteri kümelerini tanımlamak için kmeans kullanıyorum. Kümeleri tanımlamak için yaklaşık 100 değişkenim var. Bu değişkenlerin her biri, bir müşterinin bir kategoriye yaptığı harcama yüzdesini temsil eder. Yani, 100 kategorim varsa, bu değişkenlerin toplamı her müşteri için% 100 olacak şekilde 100 değişkenim var. Şimdi, bu değişkenler birbiriyle güçlü bir şekilde ilişkilidir. …

14 clustering  data-mining  k-means  multicollinearity  compositional-data 

Kareler (WSS) grup içi toplamını en aza indirmek için birimleri kümeleri halinde kümelemem gerekiyor , ancak kümelerin her birinin en az m birimi içermesini sağlamalıyım . R'nin kümeleme işlevlerinden herhangi biri , minimum küme boyutu kısıtlamasına tabi k kümeleri içinde kümelemeye izin veriyorsa herhangi bir fikir var mı? kmeans () …

14 r  clustering 

Ben kullanıyorum kkk hoparlör sesleri küme kümeleme demektir. Bir ifadeyi kümelenmiş hoparlör verileriyle karşılaştırdığımda (Öklid mesafesine dayalı) ortalama bozulma elde ederim. Bu mesafe aralığında olabilir [0,∞][0,∞][0,\infty]. Bu mesafeyi [0,1][0,1][0,1] benzerlik skoruna dönüştürmek istiyorum . Lütfen bunu nasıl başarabileceğim konusunda bana yol gösterin.

13 clustering  k-means  distance  euclidean 

Kayıt tekilleştirme işleminde en gelişmiş yöntemler nelerdir? Veri tekilleştirme de denir: kayıt bağlantısı, varlık çözümü, kimlik çözümü, birleştirme / temizleme. Örneğin CBLOCK [1] hakkında bilgim var. Yanıtların ayrıca yöntemleri uygulayan mevcut yazılımlara referansları da içermesi hoşuma gider. Örneğin Mahout'un gölgelik kümelemeyi uyguladığını biliyorum . Lucene kullanan Duke da var . …

13 clustering  data-cleaning  record-linkage 

Veri biliminde yeniyim ve R'de 200.000 satır ve 50 sütun içeren bir veri kümesinde kümeleri bulmakta sorun yaşıyorum. Verilerin hem sayısal hem de nominal değişkenleri olduğundan, Öklid uzaklık ölçüsü kullanan K-araçları gibi yöntemler uygun bir seçim gibi görünmemektedir. Bu yüzden bir mesafe matrisini girdi olarak kabul eden PAM, agnes ve …

13 r  clustering  sampling  large-data 

Etkinlik sıklıkları hakkında geçici verilerim var. Verilerdeki benzer aktivite seviyelerine sahip farklı zaman aralıklarını gösteren kümeleri tanımlamak istiyorum. İdeal kümeleri tanımlamak istediğiniz olmadan kümeler önsel sayısını belirterek. Uygun kümeleme teknikleri nelerdir? Sorumun yanıtlaması için yeterli bilgi içermiyorsa, uygun kümeleme tekniklerini belirlemek için sağlamam gereken bilgiler nelerdir? Aşağıda hayal ettiğim veri …

13 machine-learning  clustering 

Belirli bir veri kümem varsa, küme merkezlerini bu veri kümesinin rasgele örneklerini kullanarak başlatmak ne kadar akıllı olurdu? Örneğin, istediğimi varsayalım 5 clusters. Orijinal veri kümesinden 5 random samplessöz ediyorum size=20%. Daha sonra bu 5 rastgele örneğin her birini ortalayabilir ve bu araçları ilk 5 küme merkezim olarak kullanabilir miyim? …

13 clustering  k-means  unsupervised-learning 

Küme analizi sonuçlarını doğrulamak için istatistiksel anlamlılık testinin (SST) kullanımını araştırıyorum. Bu konuyla ilgili çeşitli makaleler buldum, örneğin " Yüksek Boyut, Düşük Örnek Büyüklüğü Veri için Kümeleşmesinin İstatistiksel Tespit edilen önemli fi cance tarafından" Liu, Yufeng vd. (2008) " Küme analizinde bazı anlamlılık testleri hakkında ", yazan Bock (1985) Ancak, …

13 hypothesis-testing  clustering  statistical-significance 

Verileri gruplara ayırmayı deniyorum. Bu konuda oldukça yeniyim ve bazı analizlerin çıktılarını anlamaya çalışıyorum. Quick-R'den örnekler kullanarak çeşitli Rpaketler önerilir. Ben ( fpcve kmeansişlevini kullanarak) bu paketlerin iki kullanmayı denedim mclust. Bu analizin anlamadığım bir yönü sonuçların karşılaştırılmasıdır. # comparing 2 cluster solutions library(fpc) cluster.stats(d, fit1$cluster, fit2$cluster) fpc Kılavuzun ilgili …

13 r  clustering 

L1 düzenli lineer regresyonu takmak için koordinat inişine karşı LARS [1] kullanmanın avantajları ve dezavantajları nelerdir? Ben esas olarak performans yönleriyle ilgileniyorum (sorunlarım Nyüzbinlerce ve p<20'de olma eğilimindedir ). Ancak, diğer görüşler de takdir edilecektir. edit: Soruyu gönderdiğimden beri, chl, Friedman ve arkadaşları tarafından koordinat inişinin diğer yöntemlerden önemli ölçüde …

13 regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Hiyerarşik kümeleme için, iki rastgele değişken ve arasındaki mesafeyi ölçmek için genellikle aşağıdaki iki "metriği" (tam olarak konuşmuyorlar) görüyorum : \ newcommand {\ Cor} {\ mathrm {Cor}} \ begin {align} d_1 (X, Y) = 1- | \ Kor (X, Y) |, \\ d_2 (X, Y) = 1 - (\ Kor …

13 correlation  clustering  distance  metric 

Bir dizi kümeyi seçerken, K'nin farklı değerleri için bir dirsek noktası aramanız gerektiğini öğrendim. 1'den 10'a kadar k değerleri için withinss değerlerini çizdim, ancak net görmüyorum dirsek. Böyle bir durumda ne yaparsınız?

13 clustering  k-means