聚类分析：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=聚类分析|nodeimage=Clustering Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Clustering Analysis|abbreviation=CLA|funcmaincategory=数据分析|funcsubcategory=DataAGM Lv1 Cat::多元分析|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>聚类分析是一种无监督学习方法, 用于将数据集中…”）
 
无编辑摘要
第1行： 第1行：
{{Infobox nodebasic|nodename=聚类分析|nodeimage=Clustering Analysis.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Clustering Analysis]]|abbreviation=CLA|funcmaincategory=数据分析|funcsubcategory=[[DataAGM Lv1 Cat::多元分析]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>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。\n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。\n参数：选择多个连续型数值变量</p>|nodeinputnumber=3|nodeoutputnumber=2|nodeloopsupport=是|nodeifswitchsupport=否|nodeavailableplotlist=Special_MatrixScatterPlot;Cluster_Analysis_Tree_Plot|nodeavailabletablelist=Table_For_Downstream|nodeconfiguration=VariableList;DropManu;Text|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/聚类分析_Plus|previousnode=[[主成分分析(PCA)]]|nextnode=[[最大似然因子分析]]}}{{Navplate AlgorithmNodeList}}[[Category:多元分析]]
{{Infobox nodebasic  
|nodename=聚类分析
|nodeimage=Clustering Analysis.png
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|nodeenglishname=[[Has english name::Clustering Analysis]]
|abbreviation=[[Has abbreviation::CLA]]
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::多元分析]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>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。</p><p>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。</p><p>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。</p><p>参数：选择多个连续型数值变量</p>
|nodeinputnumber=3
|nodeoutputnumber=2
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=Special_MatrixScatterPlot;Cluster_Analysis_Tree_Plot
|nodeavailabletablelist=Table_For_Downstream
|nodeconfiguration=VariableList;DropManu;Text
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/聚类分析
|previousnode=[[主成分分析(PCA)]]
|nextnode=[[聚类分析]]
}}
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:多元分析]]

2023年12月4日 (一) 22:10的版本

Clustering Analysis.png
节点状态
PC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)
节点英文名聚类分析
功能主类别数据分析
英文缩写聚类分析
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
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)
下一节点聚类分析
WikimediaUI-Globe.svg相关网站



属性“Nodeicon”（作为页面类型）与输入值“File:”包含无效字符或不完整，并因此在查询或注释过程期间导致意外结果。


查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=聚类分析&oldid=2465”
最近修改
此页面最后编辑于2023年12月4日 (星期一) 22:10。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].