聚类分析:修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
(未显示同一用户的1个中间版本)
第5行: 第5行:
|simpleicon=Clustering Analysis_Pure.svg
|simpleicon=Clustering Analysis_Pure.svg
|developer=Dev.Team-DPS
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=[[Has english name::Clustering Analysis]]
|nodeenglishname=Clustering Analysis
|abbreviation=[[Has abbreviation::CLA]]
|abbreviation=CLA
|funcmaincategory=数据分析
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::多元分析]]
|funcsubcategory=[[DataAGM Lv1 Cat::多元分析]]
第19行: 第19行:
|nodeifswitchsupport=否
|nodeifswitchsupport=否
|nodeavailableplotlist=Special_MatrixScatterPlot;Cluster_Analysis_Tree_Plot
|nodeavailableplotlist=Special_MatrixScatterPlot;Cluster_Analysis_Tree_Plot
|nodeavailabletablelist=Table_For_Downstream
|nodeavailabletablelist=Mean;Cluster
|nodeconfiguration=VariableList;DropManu;Text
|nodeconfiguration=VariableList;DropMenu;Text
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Table ■

2024年1月19日 (五) 19:20的最新版本

Clustering Analysis.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0部署
聚类分析Clustering Analysis.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Clustering Analysis
功能主类别数据分析
英文缩写CLA
功能亚类别多元分析
节点类型数据挖掘
开发语言R
节点简介

聚类分析是一种无监督学习方法, 用于将数据集中的样本根据相似性分组。聚类分析的目的是将相似的样本归为一类,并使不同类别之间的差异尽可能大。基本思想是将数据集中的样本分为若干组,使组内的样本相似度高,而组间的相似度低。

此聚类使用的方法有: Kmean, 均值偏移聚类算法, DBSCAN聚类算法, 高斯混合模型的期望最大化EM聚类, 和层次聚类算法。

用途:用于将数据对象分组或分类,使得同一组内的对象相似度高,而不同组内的对象相似度低。

参数:选择多个连续型数值变量

端口数量与逻辑控制(PC)
Input-入口3个
Output-出口2个
Loop-支持循环
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
可生成数据表类型(推荐)
相关节点
上一节点主成分分析(PCA)
下一节点最大似然因子分析




查找其他类别的节点,请参考以下列表