「スペクトラルクラスタリング」の編集履歴（バックアップ）一覧はこちら
「スペクトラルクラスタリング」(2010/04/29 (木) 21:37:25) の最新版変更点
追加された行は緑色になります。
削除された行は赤色になります。
***Rのパッケージkernlab中のspecc
例題は, expample(specc)
## Cluster the spirals data set.
data(spirals) #中身は300セット×2次元のデータ
sc <- specc(spirals, centers=2) #2つに分割
sc
centers(sc) #クラスターごとの平均を求める. 行はクラスターに対応, 列は次元に対応.
size(sc)
withinss(sc) #評価関数?
plot(spirals, col=sc)
類似度を定義するときに, カーネルで指定してもよい.
ここでdiffusion kernelを使うと面白いかも？
**理論的なこと
クラスタリングをグラフ分割の枠組みで解く手法である.
まずは類似度行列Wを事前に求めておく必要があることに注意
このWを求めるときに, カーネル関数を用いることもできる.
または, 単純に相関係数行列を用いる手もありか？
相関係数行列にdiffusion kernelをかませる方法を考えている.
類似度行列の一般的な定義の一つ
$$W_{i,j}=exp(\frac{-\delta_{i,j}^2}{2\sigma^2})$$
$$\sigma$$はユークリッド距離
また, 明らかにリンクがないところを0とおいてスパースとすることもできる.
半教師あり学習？
[[参考>www.litech.org/~wkiri/Papers/xu-activeconst-05.pdf]]
***
***Rのパッケージkernlab中のspecc
例題は, expample(specc)
## Cluster the spirals data set.
data(spirals) #中身は300セット×2次元のデータ
sc <- specc(spirals, centers=2) #2つに分割
sc
centers(sc) #クラスターごとの平均を求める. 行はクラスターに対応, 列は次元に対応.
size(sc)
withinss(sc) #評価関数?
plot(spirals, col=sc)
類似度を定義するときに, カーネルで指定してもよい.
ここでdiffusion kernelを使うと面白いかも？
**理論的なこと
クラスタリングをグラフ分割の枠組みで解く手法である.
まずは類似度行列Wを事前に求めておく必要があることに注意
このWを求めるときに, カーネル関数を用いることもできる.
または, 単純に相関係数行列を用いる手もありか？
相関係数行列にdiffusion kernelをかませる方法を考えている.
類似度行列の一般的な定義の一つ
$$W_{i,j}=exp(\frac{-\delta_{i,j}^2}{2\sigma^2})$$
$$\sigma$$はユークリッド距離
また, 明らかにリンクがないところを0とおいてスパースとすることもできる.
半教師あり学習？
[[参考>http://www.litech.org/~wkiri/Papers/xu-activeconst-05.pdf]]
***
