A matematikai-statisztikai háttér-számításokról
Munkakörnyezet: R (vö. https://www.r-project.org/)
A vizsgálatba bevont indexek4 és szögletes zárójelben ezek idealitásának iránya a legracionálisabb klaszterképzés esetében (forrás: https://cran.r-project.org/web/packages/clusterCrit/vignettes/clusterCrit.pdf, 21.oldal - Table 2: Method to determine the [best] partition):
ball_hall (X(A1)): [max]
calinski_harabasz (X(A2)): [max]
davies_bouldin (X(A3)): [min]
dunn (X(A4)): [max]
gdi11 (X(A5)): [max]
gdi12 (X(A6)): [max]
gdi13 (X(A7)): [max]
ksq_detw (X(A8)): [max]
ray_turi (X(A9)): [min]
s_dbw (X(A10)): [min]
silhouette (X(A11)): [max]
trace_w (X(A12)): [max]
Az öt ponthalmaz kapcsán ugyanazon klaszterezési eljárással (k-közép) itt és most a 2-20 közötti klaszterszámok kerültek vizsgálatra – egyelőre nem vizsgálva azt a kérdést, miként is fog hatni az ideális klaszterszámra a minden halmaz egyeleműsége irányába való elmozdulás?
Az 5 ponthalmaz 19 klaszterszám-variánsa kapcsán tehát 95 értelmezési ábra születhet, melyekből itt és most az adott felbontás mellett még értelmezhetőnek tűnő 2-10-es klaszterszámok ábrái szerepelnek érzékeltetésül az Olvasók vizuális intuíciójának motiválása érdekében. Az ábrák tehát a „robotszem” kapcsán azt mutatják meg, mit vél látni a pontfelhőben a „robot”, aki nem tudja, hogy egy graffitis hányszor nyomta meg a festékszóró-flakont azonos erősséggel a pontfelhő kialakítása érdekében…
    
|
