ฉันพยายามรวบรวมรายการอัลกอริทึมการจัดกลุ่มที่:

1. ดำเนินการใน R
2. ดำเนินการกับเมทริกซ์การกระจัดกระจายข้อมูล (ไม่ใช่ (dis) เมทริกซ์ความเหมือนกัน) เช่นที่สร้างขึ้นโดยฟังก์ชันsparseMatrix

มีคำถามอื่น ๆ อีกมากมายเกี่ยวกับประวัติย่อที่กล่าวถึงแนวคิดนี้ แต่ไม่มีคำถามใดที่เชื่อมโยงกับแพ็คเกจ R ที่สามารถใช้งานได้โดยตรงกับการฝึกอบรมแบบกระจัดกระจาย:

1. การทำคลัสเตอร์ชุดข้อมูลขนาดใหญ่และกระจัดกระจาย
2. การทำคลัสเตอร์ข้อมูลไบนารีหร็อมแหร็มมิติสูง
3. กำลังมองหาการใช้การจัดกลุ่มแบบกระจัดกระจายและมิติสูง
4. การจัดกลุ่มที่ประหยัดพื้นที่

จนถึงตอนนี้ฉันพบฟังก์ชันหนึ่งฟังก์ชันใน R ที่สามารถจัดกลุ่มเมทริกซ์กระจัดกระจาย:

skmeans : kmeans ทรงกลม

จากแพคเกจ skmeans kmeans ใช้ระยะโคไซน์ ทำงานบนวัตถุ dgTMatrix จัดเตรียมอินเตอร์เฟสกับอัลกอริทึม k-mean, pclust, CLUTO, gmeans และ kmndirs

ตัวอย่าง:

library(Matrix)
set.seed(42)

nrow <- 1000
ncol <- 10000
i <- rep(1:nrow, sample(5:100, nrow, replace=TRUE))
nnz <- length(i)
M1 <- sparseMatrix(i = i,
                   j = sample(ncol, nnz, replace = TRUE),
                   x = sample(0:1 , nnz, replace = TRUE), 
                   dims = c(nrow, ncol))
M1 <- M1[rowSums(M1) != 0, colSums(M1) != 0]

library(skmeans)
library(cluster)
clust_sk <- skmeans(M1, 10, method='pclust', control=list(verbose=TRUE))
summary(silhouette(clust_sk))

อัลกอริทึมต่อไปนี้ได้รับการกล่าวถึงที่น่ายกย่อง: พวกเขาไม่ได้ค่อนข้างอัลกอริทึมการจัดกลุ่ม แต่ทำงานกับเมทริกซ์กระจัดกระจาย

apriori : การเชื่อมโยงกฎการขุด

จากแพคเกจ arules ดำเนินการกับ "การทำธุรกรรม" วัตถุซึ่งสามารถ coerced จากวัตถุ ngCMatrix สามารถใช้เพื่อให้คำแนะนำ

ตัวอย่าง:

library(arules)
M1_trans <- as(as(t(M1), 'ngCMatrix'), 'transactions')
rules <- apriori(M1_trans, parameter = 
list(supp = 0.01, conf = 0.01, target = "rules"))
summary(rules)

irlba : sparse SVD

จากแพคเกจ irlba SVD เกี่ยวกับเมทริกซ์แบบกระจาย สามารถใช้เพื่อลดมิติของเมทริกซ์กระจัดกระจายก่อนที่จะจัดกลุ่มด้วยแพ็คเกจ R แบบดั้งเดิม

ตัวอย่าง:

library(irlba)
s <- irlba(M1, nu = 0, nv=10)
M1_reduced <- as.matrix(M1 %*% s$v)
clust_kmeans <- kmeans(M1, 10)
summary(silhouette(clust_kmeans$cluster, dist(M1_reduced)))

apcluster : การจัดกลุ่ม Affinity การจัดกลุ่ม

library(apcluster)
sim <- crossprod(M1)
sim <- sim / sqrt(sim)
clust_ap <- apcluster(sim) #Takes a while

มีฟังก์ชั่นอื่น ๆ อีกบ้าง?

ฉันไม่ได้ใช้ R บ่อยครั้งมากช้าและไม่มีการสนับสนุนการทำดัชนี แต่คำแนะนำซอฟต์แวร์จะถูกพิจารณานอกหัวข้ออยู่ดี

โปรดทราบว่าอัลกอริทึมมากมายไม่สนใจวิธีการจัดเก็บข้อมูลของคุณ หากคุณต้องการมีเมทริกซ์เบาบางนั่นควรเป็นทางเลือกของคุณไม่ใช่ตัวเลือกอัลกอริธึม

คนที่ใช้ R มากเกินไปมักจะคิดมากในการทำงานของเมทริกซ์ (เพราะนั่นเป็นวิธีเดียวที่จะเขียนโค้ดอย่างรวดเร็วใน R) แต่นั่นเป็นวิธีคิดที่ จำกัด ตัวอย่างเช่น k-หมายความว่า: มันไม่สนใจ โดยเฉพาะอย่างยิ่งมันไม่ได้ใช้ระยะทางเท่ากันเลย มันแค่ต้องการวิธีคำนวณความแปรปรวนร่วม; ซึ่งเทียบเท่ากับการคำนวณระยะทางแบบยุคลิดกำลังสอง

หรือ DBSCAN สิ่งที่ต้องการคือ "คำว่า" เพื่อนบ้าน " สามารถทำงานกับกราฟโดยพลการ เป็นเพียงว่าระยะทางแบบยุคลิดและเกณฑ์ Epsilon เป็นวิธีที่ใช้กันมากที่สุดในการคำนวณกราฟย่านที่ใช้

ป.ล. คำถามของคุณไม่แม่นยำมาก คุณอ้างถึงเมทริกซ์ข้อมูลเบาบางหรือเมทริกซ์ความคล้ายคลึงกันเบาบาง ?