मेरे पास इस तरह दो चर का शोर डेटा है।
x1 <- rep(seq(0,1, 0.1), each = 3000)
set.seed(123)
y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000)
set.seed(1234)
e1 = rnorm(length(x1), 0.07,0.07)
set.seed(1223)
e2 = rnorm(length(x1), 0.07,0.07)
set.seed(1334)
yn <- rnorm(20000, 0.5,0.9)
set.seed(2344)
xn <- rnorm(20000, 0.5,0.9)
y <- c(y1 + e1,yn)
x <- c(x1 + e2, xn)
plot(x,y, xlim=c(0,1.2), ylim = c(0,1.2), pch = ".", col = "gray40")
मैं नेत्रहीन रूप से देख सकता हूं कि निकट दृष्टि में संभावित 10 क्लस्टर हैं।
हालाँकि पूरे डेटा में बहुत अधिक बिंदु हैं:
plot(x,y, pch = ".", col = "gray40") 
मैं 10 क्लस्टर बनाना चाहूंगा। मैंने K- साधन क्लस्टर विश्लेषण की कोशिश की।
xm1 <- cbind(x,y)
cl1 <- kmeans(xm1, 10)
colrs <- c("red", "green", "blue1", "pink", "green4","tan",
"gray40", "yellow", "black", "purple")
plot(xm1, col = colrs[cl1$cluster], pch = ".", xlim=c(0,1.2), ylim = c(0,1.2))
plot(xm1, col = colrs[cl1$cluster], pch = ".")
वैसे भी (कर्नेल k- साधन, निकटतम पड़ोसी हो सकते हैं) जो इस प्रकार के डेटा के लिए अधिक न्याय कर सकते हैं। यदि हां, तो मैं यह कैसे कर सकता हूं?
1
आपके पास अभी तक क्या गलत है? आपके पास ( k- साधन क्लस्टर विश्लेषण ) अस्वीकार्य क्यों है?
—
स्टीव एस
Dbscan या प्रकाशिकी एल्गोरिदम पर एक नजर डालें ( en.wikibooks.org/wiki/Data_Mining_Al एल्गोरिदम_ In_R/Clustering/… ) देखें
—
Giorgio Spedicato