Formación de clusters de k-medias y k-medoides

Agrupe minimizando la distancia a la media o al medoide, y calcule la distancia de Mahalanobis

Los clusters de k-medias y k-medoides dividen los datos en un número k de clusters mutuamente exclusivos. Estas técnicas asignan cada observación a un cluster minimizando la distancia entre el punto de datos y la localización de la media o mediana del cluster asignado, respectivamente. La distancia de Mahalanobis es una métrica sin unidades calculada mediante la media y la desviación estándar de los datos de muestra, y representa la correlación entre los datos.

Tareas de Live Editor

Agrupar datosCluster data using k-means or hierarchical clustering in the Live Editor (Desde R2021b)

Funciones

expandir todo

kmeansAgrupamiento de k-medias
kmedoidsk-medoids clustering
mahalDistancia de Mahalanobis respecto a muestras de referencia
incrementalKMeans Incremental k-means clustering (Desde R2025a)
fitFit principal component analysis model to streaming data (Desde R2024a)
assignClustersAssign observations to existing clusters (Desde R2025a)
updateMetricsUpdate performance metrics in incremental k-means clustering model given new data (Desde R2025a)
resetReset incremental k-means clustering model (Desde R2025a)
incrementalDynamicKMeans Incremental dynamic k-means clustering (Desde R2025a)
fitTrain model for incremental dynamic k-means clustering (Desde R2025a)
assignClustersAssign observations to existing clusters and dynamic clusters (Desde R2025a)
updateMetricsUpdate performance metrics in incremental dynamic k-means clustering model given new data (Desde R2025a)
resetReset incremental dynamic k-means clustering model (Desde R2025a)

Temas