当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R pam.object 围绕 Medoids (PAM) 对象进行分区


R语言 pam.object 位于 cluster 包(package)。

说明

"pam" 类的对象表示将数据集划分为簇。

合法的 pam 对象是具有以下组件的 list

medoids

簇的中心点或代表对象。如果给出相异矩阵作为 pam 的输入,则给出观察值的数字或标签向量,否则 medoidsmatrix,每一行中都有一个中心点的坐标。

id.med

给出中心点观测数的索引整数向量。

clustering

聚类向量,请参阅partition.object

objective

pam 算法第一步和第二步之后的目标函数。

isolation

长度等于簇数的向量,指定哪些簇是孤立簇(L-或 L*-簇)以及哪些簇不是孤立的。
当且仅当一个簇的直径小于其间隔时,该簇就是 L* 簇。一个簇是一个 L-cluster iff,对于每个观测值 i,i 与该簇的任何其他观测值之间的最大差异小于 i 与另一个簇的任何观测值之间的最小差异。显然,每个 L* 簇也是一个L-cluster。

clusinfo

矩阵,每一行给出一个簇的数字信息。它们是簇的基数(观测值的数量)、簇中观测值与簇中心点之间的最大和平均差异、簇的直径(簇的两个观测值之间的最大差异)以及簇的分离度。簇(簇的观察与另一个簇的观察之间的最小差异)。

silinfo

包含轮廓宽度信息的列表,请参阅partition.object

diss

相异性(可能为 NULL),请参阅 partition.object

call

生成调用,请参阅partition.object

data

(可能标准化)请参阅partition.object

GENERATION

这些对象是从 pam 返回的。

METHODS

"pam" 类具有用于以下通用函数的方法:printsummary

INHERITANCE

"pam" 继承自 "partition" 。因此,通用函数plotclusplot 可用于pam 对象。

例子

## Use the silhouette widths for assessing the best number of clusters,
## following a one-dimensional example from Christian Hennig :
##
x <- c(rnorm(50), rnorm(50,mean=5), rnorm(30,mean=15))
asw <- numeric(20)
## Note that "k=1" won't work!
for (k in 2:20)
  asw[k] <- pam(x, k) $ silinfo $ avg.width
k.best <- which.max(asw)
cat("silhouette-optimal number of clusters:", k.best, "\n")

plot(1:20, asw, type= "h", main = "pam() clustering assessment",
     xlab= "k  (# clusters)", ylab = "average silhouette width")
axis(1, k.best, paste("best",k.best,sep="\n"), col = "red", col.axis = "red")

也可以看看

pamdissimilarity.objectpartition.objectplot.partition

相关用法


注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Partitioning Around Medoids (PAM) Object。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。