ML: 聚类算法R包 - 模型聚类
2017-08-17 23:38
453 查看
模型聚类
mclust::Mclust
RWeka::Cobweb
mclust::Mclust
EM算法也称为期望最大化算法,在是使用该算法聚类时,将数据集看作一个有隐形变量的概率模型,并实现模型最优化,即获取与数据本身性质最契合的聚类方式为目的,通过‘反复估计’模型参数找出最优解,同时给出相应的最有类别级数k
所需程序安装包
函数示例代码
可以看到最优类别级数为2,各类分别含有50,100,
mclust::plot.Mclust(EM,what = "classification")
mclust::plot.Mclust(EM,what = "density")
RWeka::Cobweb
COBWEB是一种流行的简增量概念聚类算法。它以一个分类树的形式创建层次聚类,每个节点对应一个概念,包含该概念的一个概率描述,概述被分在该节点下的对象。使得该函数,需要安装RWeka包,在安装的过程中,可能出现如下的异常
安装jre, 参考资料: http://blog.csdn.net/afei__/article/details/51464783
RWeka包未安装成功,示例代码未验证,待确认
参考资料:
https://cran.r-project.org/web/packages/mclust/index.html
https://www.douban.com/note/495288321/
mclust::Mclust
RWeka::Cobweb
mclust::Mclust
EM算法也称为期望最大化算法,在是使用该算法聚类时,将数据集看作一个有隐形变量的概率模型,并实现模型最优化,即获取与数据本身性质最契合的聚类方式为目的,通过‘反复估计’模型参数找出最优解,同时给出相应的最有类别级数k
所需程序安装包
install.packages("mclust")
函数示例代码
> library(mclust) > EM<-Mclust(iris[,-5]) > summary(EM,parameters=T) ---------------------------------------------------- Gaussian finite mixture model fitted by EM algorithm ---------------------------------------------------- Mclust VEV (ellipsoidal, equal shape) model with 2 components: log.likelihood n df BIC ICL -215.726 150 26 -561.7285 -561.7289 Clustering table: 1 2 50 100 Mixing probabilities: 1 2 0.333332 0.666668 Means: [,1] [,2] Sepal.Length 5.0060021 6.261996 Sepal.Width 3.4280046 2.871999 Petal.Length 1.4620006 4.905993 Petal.Width 0.2459998 1.675997
可以看到最优类别级数为2,各类分别含有50,100,
mclust::plot.Mclust(EM,what = "classification")
mclust::plot.Mclust(EM,what = "density")
RWeka::Cobweb
COBWEB是一种流行的简增量概念聚类算法。它以一个分类树的形式创建层次聚类,每个节点对应一个概念,包含该概念的一个概率描述,概述被分在该节点下的对象。使得该函数,需要安装RWeka包,在安装的过程中,可能出现如下的异常
** R ** inst ** preparing package for lazy loading Error : .onLoad failed in loadNamespace() for 'rJava', details: call: fun(libname, pkgname) error: JAVA_HOME cannot be determined from the Registry ERROR: lazy loading failed for package 'RWeka' * removing 'C:/Users/zhushy/Documents/R/win-library/3.2/RWeka'
安装jre, 参考资料: http://blog.csdn.net/afei__/article/details/51464783
RWeka包未安装成功,示例代码未验证,待确认
library(RWeka) dcom=iris[,-5] c1<-Cobweb(dcom) c1 c1$class_ids table(predict(c1),dcom$clas)
参考资料:
https://cran.r-project.org/web/packages/mclust/index.html
https://www.douban.com/note/495288321/
相关文章推荐
- ML: 聚类算法R包-网格聚类
- ML: 聚类算法R包 - 密度聚类
- DS&ML_聚类算法笔记之k-means模型
- 【Python-ML】SKlearn库密度聚类DBSCAN模型
- ML: 聚类算法R包-K中心点聚类
- ML: 聚类算法R包-模糊聚类
- 聚类算法总结 划分法,层次聚类,基于网格,基于密度,谱聚类,基于模型,模糊聚类
- ML: 聚类算法R包-层次聚类
- 基于模型的聚类
- 聚类算法概述(k-Means++/FCM/凝聚层次聚类/DBSCAN)
- Spark聚类模型K-Means----来源Spark机器学习
- ML 04、模型评估与模型选择
- 聚类算法实践(二)——谱聚类、Chameleon聚类
- 初学ML笔记N0.1——线性回归,分类与逻辑斯蒂回归,通用线性模型
- 基于LDA模型的文本聚类研究
- spark机器学习笔记:(七)用Spark Python构建聚类模型
- ML: 聚类算法-概论
- [置顶] 【ML--12】聚类---K-means算法
- [置顶] 【ML--13】聚类--层次聚类
- 聚类算法初探(三)直接聚类法