集群可视化和评价

情节集群的数据和评估最优数量的集群

聚类分析数据组织到组织基于数据点之间的相似性。有时,数据包含天然分歧表明适当数量的集群。其他时候,数据不包含自然分裂,或自然的分歧是未知的。在这种情况下,您确定最优数量的集群组织您的数据。

了解数据符合特定数量的集群,计算索引值使用不同的评估标准,如差距或轮廓。可视化集群通过创建一个集群系统树图图来显示层次二进制树。优化叶以最大化的和相邻叶片之间的相似之处。与多个测量每组,分组数据创建一个系统树图绘制基于组意味着用多元方差分析计算(MANOVA)。

功能

`CalinskiHarabaszEvaluation`	Calinski-Harabasz标准聚类评价对象
`DaviesBouldinEvaluation`	Davies-Bouldin标准聚类评价对象
`GapEvaluation`	差距标准聚类评价对象
`SilhouetteEvaluation`	轮廓标准聚类评价对象