标签：style   blog   width   strong   http   2014   

      AP聚类算法是目前十分火的一种聚类算法，它解决了传统的聚类算法的很多问题。不仅简单，而且聚类效果还不错。这里，把前两天学习的AP算法在R语言上面的模拟，将个人笔记拿出来与大家分享一下，不谈AP算法的原理，只初步的讲一下应用，更多请关注下期。

APClusting in R

相似矩阵的计算

negDistMat(x, sel=NA, r=1, method="euclidean", p=2)

expSimMat(x, sel=NA, r=2, w=1, method="euclidean", p=2)

相似度公式：s=exp(-(d/w)^r)

linSimMat(x, sel=NA, w=1, method="euclidean", p=2)

相似度公式：s=max(0,1-d/w)

corSimMat(x, sel=NA, r=1, signed=TRUE, method="pearson")

相似度公式：s=(x^T y)/(|x| |y|)

linKernel(x, sel=NA, normalize=FALSE) 

x若是向量，则取其所有值进行矩阵求取。若是矩阵和数据框，则取行作为sample。

如：

向量                                                                               矩阵

AP聚类函数

①Apcluster()进行Ap过程

apcluster(x,p)

x是相似矩阵

p是指定簇时候的界定值

②同时求相似矩阵和执行Ap

apcluster(s, x)

s是相似矩阵的求取函数

其中，negDistMat()可以指定参数，如negDistMat(r=2)

聚类返回结果APResult

我们作一个二维的数据集的聚类

从图中我们可以看到

a.样本个数                                 

b.迭代次数                                  res@it

c.簇的个数以及簇的成员     

d.簇的界定值 Input preference大于它就被选为簇中心

e.簇中心 Exemplar

等；

res@sim           相似矩阵

对结果进行绘图

plot函数

apcluster包里面对plot函数进行了重写，plot(x,y)

x是聚类结果，y是数据集

由上图我们也可以看到，两个簇中心是30[0.2796125  0.7300467]、36[0.7023239  0.4018984]

heatmap函数

a.

heatmap(x)

x是聚类结果

由上图可以看出各点之间的相似度

b.

heatmap(sim)，画相似矩阵的热点图，如图

heatmap(res@sim[1:10,1:10])

由于数据较多，我们只取前10行以及前10列进行绘图

由上图可以看出各点之间的相似对，以及他们之间的层次关系.

AP in R,布布扣,bubuko.com

AP in R

标签：style   blog   width   strong   http   2014   

原文地址：http://www.cnblogs.com/mixes/p/3707805.html