R语言聚类分析最佳实践Practical Guide to Cluster Analysis in R 简介尽管有几本关于无监督机器学习的好书，但我们认为其中许多书太过理论化。本书为聚类分析，优雅的可视化和解释提供了实用指南。它包含5个部分。第一部分快速介绍了R，并介绍了所需的R包以及用于集群分析和可视化的数据格式和相异性度量。第二部分介绍了分区聚类方法，该方法将数据集细分为k个组，其中k是分析人员预先指定的组数。分区聚类方法包括：K-均值，K-Medoids（PAM）和CLARA算法。在第三部分中，我们考虑分层聚类方法，这是分区聚类的另一种方法。分层聚类的结果是对象的树状表示，称为树状图。在这一部分中，我们描述如何计算，可视化，解释和比较树状图。第四部分介绍了聚类验证和评估策略，其中包括评估聚类结果的优劣。此处涵盖的各章包括：评估聚类趋势，确定最佳聚类数量，聚类验证统计信息，选择最佳聚类算法和计算p值以进行分层聚类。第五部分介绍高级聚类方法，包括：分层k均值聚类，模糊聚类，基于模型的聚类和基于密度的聚类。 本书架构获取 |
|
|
