Я выпускаю коды Affinity Propagation (AP) на R и Python. Они очень удобны в использовании. Вы готовите набор данных и просто запускаете код! Затем можно выполнить кластеризацию AP. Очень просто и легко!
Вы можете купить каждый код по указанным ниже URL.
R
Https://gum.co/DBAx
Загрузите дополнительный zip-файл (это бесплатно) по указанному ниже URL-адресу, чтобы запустить код точки доступа.
http: //univprofblog.html.xdomain .jp / code / R_scripts_functions.zip
Python
Https://gum.co/uNFlh
Загрузите дополнительный zip-файл (он бесплатный) по указанному ниже URL-адресу, чтобы запустить код AP.
http: //univprofblog.html.xdomain .jp / code / supportfunctions.zip
Процедура AP в кодах MATLAB, R и Python
Для выполнения соответствующей AP коды R и Python после загрузки набора данных следуют описанной ниже процедуре.
1. Автоматическое масштабирование каждой переменной (при необходимости)
Автомасштабирование означает центрирование и масштабирование. Среднее значение каждой переменной становится равным нулю путем вычитания среднего значения каждой переменной из переменной при центрировании. Стандартное отклонение каждой переменной становится единицей путем деления стандартного отклонения каждой переменной от переменной при масштабировании.
2. Определите предпочтения.
Это связано с количеством кластерных центров. Во-первых, в качестве предпочтения должна быть установлена медианная матрица сходства. Отрицательное евклидово расстояние используется в основном как подобие.
3. Определите коэффициент демпфирования.
Это от 0 до 1. Значение по умолчанию - 0,5. Если результат плохой, он должен увеличиться.
4. Запустить AP
5. Визуализировать результат кластеризации.
Визуализация данных выполняется, например, с помощью PCA. Кластеры легко увидеть, изменив цвета для разных кластеров на диаграмме рассеяния.
Как выполнить AP?
1. Купите код и разархивируйте файл
Python: https://gum.co/uNFlh
2. Загрузите и разархивируйте дополнительный zip-файл (это бесплатно).
R: http://univprofblog.html.xdomain.jp/code/R_scripts_functions.zip
Python: http://univprofblog.html.xdomain.jp/code/supportingfunctions.zip
3. Поместите дополнительные файлы в тот же каталог или папку, что и код AP.
4. Подготовьте набор данных. Формат данных см. В статье ниже.
5. Запускаем код!
Номер кластера для каждого образца сохраняется в «ClusterNum.csv».
Обязательные настройки
См. Статью ниже.
https://medium.com/@univprofblog1/settings-for-running-my-matlab-r-and-python-codes-136b9e5637a1#.paer8scqy