Wolfram语言广泛支持非层次和层次聚类分析,允许将类似的数据聚集在一起。对所有形式的数据都有通用支持,包括数字、文本和图像数据。该系统实现了基于经典和现代机器学习的聚类分析方法的有效版本。
非层次聚类
查找群集 —找到将数据划分为集群列表的方法
群集组件 —用数据所在集群的索引标记数据
群集分类 —使用数据创建一个函数,将新数据分类为簇
群集测量 —分析聚类过程的结果
MeanShift公司 ▪ 最近邻图
分层聚类
树状图 —绘制数据层次聚类的树状图
聚类树 —生成数据分层聚类的符号树
查找图形社区 —在图中查找紧密相连的社区
社区图绘制 —显示其群落结构的图表
连接的组件 ▪ 查找图形分区 ▪ 查找Clique ▪ 查找KClique
ImageForestingComponents(图像预测组件) ▪ 流域组件 ▪ GrowCut组件 ▪ ...
选项
距离函数 —如何计算元素之间的距离
集群异类函数 —如何计算簇之间的相似度
重量 —不同数据元素的权重
绩效目标 —是否在速度、记忆力、质量、训练时间等方面进行优化。
标准函数 —如何评估自动选择的方法
方法 —自动方法选择的手动覆盖