EstaPáginaAúnnoSEHARARCIDOPara EstaVersión。Puede Ver LaVersiónMásChieteede EstaPáginaSen。

AnálisisdeClústeres.

• 聚类jerárquico
  producir gentosos anidados de clsteres
  
• -medios y-medoids clusteringkk
  集群Minimizando La Distancia Media o Medoide，Y Calcule La Distancia Mahalanobis
  
• 集群espacial basado en densidad de aplicaciones con Ruido
  EncuentreClústeresy valoresatípicosuterizoel algoritmo dbscan
  
• 聚类Exectral.
  BuscarClústeresMediante El Uso De Algoritmo Basado enGráficos
  
• Modelos de Mezcla Gaussiana
  clústerbasado en modelos de mezcla gaussiana ultizando el algoritmo期望 - 最大化
  
• VecinosMásCercanos.
  encuentra vecinosmáscercanos usandobúsquedaexteva obúsquedad-treeK.
  
• Modelos de Markov Ocultos
  Movellos Markov ParaGeneracióndeDatos
  
• VisualizaciónyAvicuacióndeClústeres
  trazarclústeresde datos y evaluar elnúmeroóptimodeclústeres
  

Ejemertos destacados.

AnálisisdeClústeres.

en Este Ejemero Se MuestraCómo考试Las Similitudes Y Diferencias de Meangeacion Ubjetos Mediante ElAnálisisdeClústeresen统计和机器学习工具箱™。Los Datos A Menudo Caen Naturalte en Grupos（oclústeres）de neamedaciones，donde lascaracterísticasde los objetos en el mismoclúster儿子相似的y lascaracterísticasde los objetos en diferentesclústeres儿子差异。

ABRIR脚本