ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

addK

クラス: clustering.evaluation.ClusterCriterion
パッケージ: clustering.evaluation

追加クラスター数の評価

構文

eva_out = addK(eva,klist)

説明

eva_out = addK(eva,klist) はクラスタリング評価オブジェクト eva_out を返します。このオブジェクトには、入力オブジェクト eva に格納されている評価データと、klist で指定された推奨されるクラスター数に対する追加評価データが格納されています。

入力引数

すべて展開する

クラスタリング評価データ。クラスタリング評価オブジェクトとして指定します。evalclusters を使用して、クラスタリング評価オブジェクトを作成します。

評価する追加クラスター数。正の整数値のベクトルとして指定します。klist のいずれかの値が、入力オブジェクト eva で既に評価されているクラスタリングの解と重複する場合、addK はこの重複値を無視します。

出力引数

すべて展開する

更新されたクラスタリング評価データ。クラスタリング評価オブジェクトとして返されます。eva_out には、入力クラスタリング評価オブジェクト eva に保存された推奨クラスタリング解についてのデータだけでなく、klist に指定された追加の推奨クラスター数に関するデータも保存されています。

すべてのクラスタリング評価オブジェクトクラスでは、addK によって InspectedK および CriterionValues プロパティが更新され、klist に指定された推奨クラスタリング解およびそれに対応する条件値が保存されています。また、addK によって OptimalK および OptimalY プロパティも更新され、新しい最適なクラスター数とクラスタリングの最適解が反映されます。

特定のクラスター評価オブジェクト クラスについて、addK は次の追加プロパティ値も更新します。

  • ギャップ評価オブジェクト: LogWExpectedLogWStdLogWSE

  • シルエット評価オブジェクト: ClusterSilhouettes

すべて展開する

evalclusters を使用してクラスタリング評価オブジェクトを作成し、その後 addK を使用してクラスターの追加数を評価します。

標本データを読み込みます。

load fisheriris

このデータには、3 種のアヤメの花のがく片と花弁からの長さと幅の測定値が含まれています。

kmeans を使用して花の測定値データをクラスタリングし、Calinski-Harabasz 基準を使用して 1 ~ 5 個のクラスターの推奨される解を評価します。

eva = evalclusters(meas,'kmeans','calinski','klist',1:5)
eva = 
  CalinskiHarabaszEvaluation with properties:

    NumObservations: 150
         InspectedK: [1 2 3 4 5]
    CriterionValues: [NaN 513.9245 561.6278 530.4871 456.1279]
           OptimalK: 3

クラスタリング評価オブジェクト eva には、推奨されるクラスタリングの解のそれぞれに関するデータが格納されています。OptimalK の戻り値は、3 個のクラスターが最適解であることを示しています。

同じ基準を使用して、6 ~ 10 個のクラスターの推奨される解を評価します。これらの評価を元の eva クラスタリング評価オブジェクトに追加します。

eva = addK(eva,6:10)
eva = 
  CalinskiHarabaszEvaluation with properties:

    NumObservations: 150
         InspectedK: [1 2 3 4 5 6 7 8 9 10]
    CriterionValues: [1x10 double]
           OptimalK: 3

更新された InspectedKCriterionValues の値から、eva が 1 ~ 10 個のクラスターの推奨される解を評価していることがわかります。OptimalK の値は 3 のままです。これは、3 つのクラスターが最適解として保持されていることを示しています。