기사의 목적

k-means를 R로 구현합니다.
for문을 최대한 사용하지 않고 실행 속도를 빨리 하도록 유의했습니다.
참고 : 비 파라 메트릭 베이즈 포인트 프로세스 및 통계적 기계 학습 수리

1. 모델 설명

2. 데이터

사용할 데이터는 iris 데이터 세트입니다.

X <- iris[,1:4]
D <- ncol(X)
N <- nrow(X)

3. 구현

#(1)Kを求める
K <- 3
#(2)muを乱数で初期化
set.seed(100)
mu <- matrix(rep(apply(X,2,mean),each=K)+rnorm(K*D,0,1), nrow=K)
#(3)(ⅰ)(ⅱ)を繰り返す
max.iter <- 30
for(s in 1:max.iter){
  #(i)各クラスタの平均との距離が最小のクラスに分類
  tmp <- apply(mu, 1, function(x) apply(t(t(X)-x)^2, 1, sum))
  z <- apply(tmp, 1, which.min)
  #(ⅱ)各クラスタの平均を求める
  mu <-  apply(X, 2, function(x) tapply(x, z, mean))
}

4. 확인

왼쪽이 정답이고 오른쪽이 구현 후의 결과입니다.

library(cluster)
par(mfrow=c(1,2))
clusplot(X, iris[,5], color=TRUE, shade=FALSE, labels=4, lines=0)
clusplot(X, z, color=TRUE, shade=FALSE, labels=4, lines=0)

Reference

이 문제에 관하여(R에서 k-means 구현 (고속)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/Tatsuki-Oike/items/ffdfcafcc8bd0c035ce5

텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.

우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)

좋은 웹페이지 즐겨찾기

개발자 우수 사이트 수집

개발자가 알아야 할 필수 사이트 100선 추천 우리는 당신을 위해 100개의 자주 사용하는 개발자 학습 사이트를 정리했습니다

R에서 k-means 구현 (고속)