통계 :: Calinskiharabasz. 통계 :: Calinskiharabasz는 Calinski와 Harabasz (CH)가 제안한 클러스터 중지 규칙에 대한 Perl 확장입니다.
지금 다운로드

통계 :: Calinskiharabasz. 순위 및 요약

통계 :: Calinskiharabasz. 태그

Perl 모듈 무리 클러스터 중지 규칙 클러스터 통계 Calinski

통계 :: Calinskiharabasz. 설명

통계 :: Calinskiharabasz는 Calinski와 Harabasz (CH)가 제안한 클러스터 중지 규칙에 대한 Perl 확장입니다. 통계 :: Calinskiharabasz는 Calinski 및 Harabasz (CH)가 제안한 클러스터 중지 규칙에 대한 Perl 확장자입니다. Synopsis 사용 통계 :: Calinskiharabasz; CH (InputFile, "agglo", 10); 입력 파일은 "조밀 한"형식으로 예상됩니다 - 샘플 입력 파일 : 65 11 00 11 00 01 10 01 11 00 11 00 01 10 01 CH를 사용하십시오 특정 데이터가 자연적으로 떨어지는 클러스터 수를 추정하기 위해 F-Statistics와 유사한 분산 비율 기준. 이들은 클러스터 / 그룹 합계의 클러스터 / 그룹 합계 내에서 최소화하고 Squares (BGS)의 클러스터 / 그룹 합계 사이에서 최대화합니다. 기본적으로 입력 데이터 세트는 "조밀 한"매트릭스 형식으로 예상됩니다. 파일의 첫 번째 줄이 데이터 집합의 치수를 제공 한 다음 매트릭스 형식의 데이터 세트가 따라야하는 일반 텍스트 파일에서는 입력 조절 매트릭스가 일반 텍스트 파일에서 예상됩니다. 컨텍스트 / 관찰은 행을 따라 여야하며 기능은 열을 따라 여야합니다. 예 : 65 11 00 11 00 00 11 00 11 10 01 00 01 11 00 1 첫 번째 줄 (65)은 행 수를 제공합니다 (관측) 및 다음 행렬에있는 열 수 (특징) 수입니다. 각 행을 따르면 주어진 관찰의 열에서 피쳐의 발생 빈도를 기록합니다. 따라서 Feature1 (1 컬럼)은 한 번 관찰 1에 한 번 발생하고 Feature3이 Observation1에서도 발생하지 않는 동안 너무 많은 관찰이 일어나고 사용할 수있는 클러스터링 측정 값은 다음과 같습니다. 1. RB - 반복 된 Bisections 2. RBR - K-Way Refinement로 반복적 인 이등분 3. 직접 - 직접 k- 웨이 클러스터링 4. agglo - agglomerative clustering 5. 그래프 - 그래프 파티셔닝 기반 클러스터링 6. bagglo - 칸막이 편향 agglomerative clusteringk valuethis는 숫자에 대한 대략적인 상한입니다 데이터 집합에있을 수있는 클러스터의 따라서 3 개의 클러스터로 분리 될 것으로 예상 한 데이터 세트의 경우이 값은 입력 데이터 세트에있는 클러스터 수의 수의 추정치 인 3.Outputa 단일 정수 번호보다 큰 정수 값을 설정해야합니다. 요구 사항 : · Perl. ·이 모듈은 Cluto라는 C 프로그램 제품군을 클러스터링 목적으로 사용합니다. 따라서이 모듈에 기능적으로 Cluto가 설치되어야합니다.

통계 :: Calinskiharabasz. 관련 소프트웨어