Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

compact

Clase: clustering.evaluation.ClusterCriterion
Paquete: clustering.evaluation

Objeto de evaluación de clustering compacto

Sintaxis

c = compact(eva)

Descripción

c = compact(eva) Devuelve un objeto de evaluación de clustering compacto, que contiene un subconjunto de información sobre la solución de agrupación en clústeres.eva La compactación de un objeto de evaluación de clustering reduce los requisitos de memoria del objeto, lo que resulta útil al agrupar un conjunto de datos de gran tamaño.

Argumentos de entrada

expandir todo

Datos de evaluación de clustering, especificados como un objeto de evaluación de clustering. Cree un objeto de evaluación de clustering mediante.evalclusters

Argumentos de salida

expandir todo

Objeto de evaluación de clustering compacto, devuelto como un objeto de evaluación de clustering. El objeto compacto incluye los resultados de la evaluación de clustering, en el objeto Compact, las propiedades de los datos de entrada, la solución de clustering óptimo y la lista de datos excluidos están vacías.XOptimalYMissing

Ejemplos

expandir todo

Cree un objeto de evaluación de clustering compacto a partir de un objeto de evaluación de clustering completo.

Cargue los datos de ejemplo.

load fisheriris;

Los datos contienen mediciones de longitud y anchura de los sépalos y pétalos de tres especies de flores de iris.

Cree un objeto de evaluación de clustering. Agruque los datos utilizando y evalúe el número óptimo de clústeres utilizando el criterio de separación.kmeans

rng('default');  % For reproducibility eva = evalclusters(meas,'kmeans','Gap','KList',[1:6])
eva =    GapEvaluation with properties:      NumObservations: 150          InspectedK: [1 2 3 4 5 6]     CriterionValues: [0.0720 0.5928 0.8762 1.0114 1.0534 1.0720]            OptimalK: 5  

Cree un objeto de evaluación de clustering compacto a partir de.eva

c = compact(eva)
c =    GapEvaluation with properties:      NumObservations: 150          InspectedK: [1 2 3 4 5 6]     CriterionValues: [0.0720 0.5928 0.8762 1.0114 1.0534 1.0720]            OptimalK: 5  

La salida mostrada del objeto compacto es la misma que el objeto original, pero algunas propiedades que no se muestran en la pantalla son diferentes.ceva Por ejemplo, en el objeto compacto, las propiedades y están vacías.xOptimalYMissing

Visualice la solución de clustering óptima para.OptimalYc

c.OptimalY
ans =       [] 

Consulte también