R语言
lvq1
位于 class
包(package)。 说明
移动码本中的示例以更好地表示训练集。
用法
lvq1(x, cl, codebk, niter = 100 * nrow(codebk$x), alpha = 0.03)
参数
x |
示例矩阵或 DataFrame |
cl |
示例的分类向量或因子 |
codebk |
密码本 |
niter |
迭代次数 |
alpha |
训练常数 |
细节
随机选择niter
示例进行替换,并为每个示例调整码本中最接近的示例。
值
代码本,表示为包含组件 x
和 cl
的列表,给出示例和类。
例子
train <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
cd <- lvqinit(train, cl, 10)
lvqtest(cd, train)
cd0 <- olvq1(train, cl, cd)
lvqtest(cd0, train)
cd1 <- lvq1(train, cl, cd0)
lvqtest(cd1, train)
参考
Kohonen, T. (1990) The self-organizing map. Proc. IEEE 78, 1464-1480.
Kohonen, T. (1995) Self-Organizing Maps. Springer, Berlin.
Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge.
Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.
也可以看看
相关用法
- R lvq2 学习矢量量化2.1
- R lvq3 学习矢量量化 3
- R lvqinit 初始化LVQ码本
- R lvqtest 从 LVQ 码本对测试集进行分类
- R knn.cv k 最近邻交叉验证分类
- R olvq1 优化学习矢量量化1
- R knn1 1-最近邻分类
- R batchSOM 自组织映射:批处理算法
- R SOM 自组织映射:在线算法
- R condense k-NN 分类器的压缩训练集
- R multiedit k-NN 分类器的多重编辑
- R knn k-最近邻分类
- R somgrid 绘制 SOM 拟合图
- R reduce.nn 减少 k-NN 分类器的训练集
- R summary.clara “clara”对象的摘要方法
- R diana 分裂分析聚类
- R pluton 钚同位素成分批次
- R votes.repub 总统选举中共和党候选人的投票
- R agnes 凝聚嵌套(层次聚类)
- R print.mona MONA 对象的打印方法
- R print.clara CLARA 对象的打印方法
- R mona 二元变量的单论分析聚类
- R plot.diana 分裂层次聚类图
- R plot.mona 一元分裂层次聚类的旗帜
- R bannerplot 绘图横幅(层次聚类)
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Learning Vector Quantization 1。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。