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

plot

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

Trazar valores de criterio de objeto de evaluación de clustering

Sintaxis

plot(eva)
h = plot(eva)

Descripción

plot(eva) muestra una gráfica de los valores de criterio frente al número de clústeres, en función de los valores almacenados en el objeto de evaluación de agrupación en clústeres.eva

h = plot(eva) Devuelve un identificador a la línea de trazado.

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

Identificador de la línea de trazado, devuelto como un valor escalar.

Ejemplos

expandir todo

Trace los valores de criterio frente al número de clústeres para cada solución de agrupación en clústeres almacenada en un objeto de evaluación de agrupación en clústeres.

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 Calinski-Harabasz.kmeans

rng('default');  % For reproducibility eva = evalclusters(meas,'kmeans','CalinskiHarabasz','KList',[1:6]);

Trace los valores del criterio Calinski-Harabasz para cada número de clústeres probados.

figure; plot(eva);

La gráfica muestra que el valor más alto de Calinski-Harabasz se produce en tres clústeres, lo que sugiere que el número óptimo de clústeres es tres.

Consulte también