Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
Zeroclanzhang(讨论 | 贡献) 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= | |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= | |nodeenglishname=Clustering Analysis | ||
|abbreviation= | |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= | |nodeavailabletablelist=Mean;Cluster | ||
|nodeconfiguration=VariableList; | |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
节点状态 | / Win10及以上可用
在V1.0部署
|
---|---|
聚类分析 | |
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 | 是 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
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