Preguntas etiquetadas con clustering

El análisis de conglomerados es la tarea de dividir los datos en subconjuntos de objetos de acuerdo con su "similitud" mutua, sin utilizar el conocimiento preexistente como las etiquetas de clase. [Los errores estándar agrupados y / o las muestras de agrupación deben etiquetarse como tales; NO use la etiqueta de "agrupamiento" para ellos.]

¿Existe una función en R que tome los centros de los grupos que se encontraron y asigne los grupos a un nuevo conjunto de datos?

Tengo dos partes de un conjunto de datos multidimensionales, llamémoslas trainy test. Y quiero construir un modelo basado en el conjunto de datos del tren y luego validarlo en el conjunto de datos de prueba. Se conoce el número de grupos. Intenté aplicar el agrupamiento k-means en R y obtuve …

14 r clustering k-means

Implementación de k-means con matriz de distancia personalizada en la entrada

¿Alguien puede señalarme una implementación de k-means (sería mejor si en matlab) que puede tomar la matriz de distancia en la entrada? La implementación estándar de matlab necesita la matriz de observación en la entrada y no es posible cambiar a medida la medida de similitud.

14 clustering matlab k-means

Agrupación (k-means, o de otro modo) con una restricción mínima de tamaño de agrupación

Necesito agrupar unidades en grupos para minimizar la suma de cuadrados dentro del grupo (WSS), pero necesito asegurarme de que cada grupo contenga al menos unidades. ¿Alguna idea de si alguna de las funciones de agrupación de R permite la agrupación en agrupaciones sujetas a una restricción de tamaño de …

14 r clustering

Cómo puedo convertir la distancia (Euclidiana) a puntaje de similitud

Estoy usando kkk significa agrupamiento para agrupar las voces de los hablantes. Cuando comparo un enunciado con datos de altavoces agrupados obtengo una distorsión promedio (basada en la distancia euclidiana). Esta distancia puede estar en el rango de [0,∞][0,∞][0,\infty] . Quiero convertir esta distancia en una puntuación de similitud [0,1][0,1][0,1] …

13 clustering k-means distance euclidean

Estado del arte en deduplicación

¿Cuáles son los métodos más avanzados en deduplicación de registros? La deduplicación también se denomina a veces: vinculación de registros, resolución de entidad, resolución de identidad, fusión / purga. Sé, por ejemplo, sobre CBLOCK [1]. Agradecería que las respuestas también incluyeran referencias al software existente que implementa los métodos. Sé, …

13 clustering data-cleaning record-linkage

Una rutina para elegir eps y minPts para DBSCAN

DBSCAN es el algoritmo de agrupación más citado de acuerdo con cierta literatura y puede encontrar agrupaciones de formas arbitrarias basadas en la densidad. Tiene dos parámetros eps (como radio de vecindad) y minPts (como vecinos mínimos para considerar un punto como punto central) que creo que depende en gran …

13 clustering dbscan

Cluster Big Data en R y ¿el muestreo es relevante?

Soy nuevo en ciencia de datos y tengo problemas para encontrar clústeres en un conjunto de datos con 200,000 filas y 50 columnas en R. Dado que los datos tienen variables tanto numéricas como nominales, los métodos como K-means que usa la medida de distancia euclidiana no parecen ser una …

13 r clustering sampling large-data

¿Técnicas de agrupamiento apropiadas para datos temporales?

Tengo datos temporales de frecuencias de actividad. Quiero identificar grupos en los datos que indican distintos períodos de tiempo con niveles de actividad similares. Idealmente, quiero identificar los grupos sin especificar el número de grupos a priori. ¿Cuáles son las técnicas de agrupamiento apropiadas? Si mi pregunta no contiene suficiente …

13 machine-learning clustering

¿Inicializar centros de K-medias por medio de submuestras aleatorias del conjunto de datos?

Si tengo un determinado conjunto de datos, ¿qué tan inteligente sería inicializar los centros de clúster utilizando muestras aleatorias de ese conjunto de datos? Por ejemplo, supongamos que quiero 5 clusters. Supongo que 5 random samplesdel size=20%conjunto de datos original. ¿Podría entonces tomar la media de cada una de estas …

13 clustering k-means unsupervised-learning

Uso de la prueba de significación estadística para validar los resultados del análisis de conglomerados

Estoy estudiando el uso de las pruebas de significación estadística (SST) para validar los resultados del análisis de conglomerados. He encontrado varios artículos sobre este tema, como " Importancia estadística de la agrupación para datos de alta dimensión y bajo tamaño de muestra " por Liu, Yufeng et al. (2008) …

13 hypothesis-testing clustering statistical-significance

Comprender las comparaciones de resultados de agrupamiento

Estoy experimentando con la clasificación de datos en grupos. Soy bastante nuevo en este tema e intento comprender el resultado de algunos de los análisis. Usando ejemplos de Quick-R , Rse sugieren varios paquetes. He intentado usar dos de estos paquetes ( fpcusando la kmeansfunción y mclust). Un aspecto de …

13 r clustering

LARS vs descenso coordinado para el lazo

¿Cuáles son los pros y los contras de usar LARS [1] versus usar el descenso coordinado para ajustar la regresión lineal regularizada por L1? Estoy principalmente interesado en los aspectos de rendimiento (mis problemas tienden a tener Ncientos de miles y p<20). Sin embargo, cualquier otra información también sería apreciada. …

13 regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

¿Se cumple la desigualdad triangular para estas distancias basadas en correlaciones?

Para la agrupación jerárquica, a menudo veo las siguientes dos "métricas" (no están hablando exactamente) para medir la distancia entre dos variables aleatorias e : \ newcommand {\ Cor} {\ mathrm {Cor}} \ begin {align} d_1 (X, y) & = 1- | \ Cor (X, y) |, \\ d_2 (X, …

13 correlation clustering distance metric

¿Qué haces cuando no hay un punto de codo para la agrupación de kmeans?

Aprendí que al elegir varios grupos, debe buscar un punto de codo para diferentes valores de K.He trazado los valores de withinss para valores de k del 1 al 10, pero no veo un claro codo. ¿Qué haces en un caso como este?

13 clustering k-means

¿Necesito descartar variables que estén correlacionadas / colineales antes de ejecutar kmeans?

Estoy ejecutando kmeans para identificar grupos de clientes. Tengo aproximadamente 100 variables para identificar grupos. Cada una de estas variables representa el% de gasto de un cliente en una categoría. Entonces, si tengo 100 categorías, tengo estas 100 variables, de modo que la suma de estas variables es del 100% …

13 clustering data-mining k-means multicollinearity compositional-data

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.

Licensed under cc by-sa 3.0 with attribution required.