R语言 trimcluster包 trimkmeans()函数中文帮助文档(中英文对照)

loveR

trimkmeans(trimcluster)
trimkmeans()所属R语言包：trimcluster

                                        Trimmed k-means clustering
                                         修剪k-means聚类

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The trimmed k-means clustering method by Cuesta-Albertos, Gordaliza and Matran (1997). This optimizes the k-means criterion under trimming a portion of the points.
修整后的k-means聚类方法Cuesta的Albertos，Gordaliza和Matran（1997年）。这优化了根据修剪的点的一部分的k-means准则。


用法----------Usage----------


  trimkmeans(data,k,trim=0.1, scaling=FALSE, runs=100, points=NULL,
                       countmode=runs+1, printcrit=FALSE,
                       maxit=2*nrow(as.matrix(data)))

  ## S3 method for class 'tkm':
print(x, ...)
  ## S3 method for class 'tkm':
plot(x, data, ...)



参数----------Arguments----------

参数：data
matrix or data.frame with raw data
与原始数据矩阵或数据框


参数：k
integer. Number of clusters.
整数。聚类数。


参数：trim
numeric between 0 and 1. Proportion of points to be trimmed.
0和1之间的数字。点比例进行修整。


参数：scaling
logical. If TRUE, the variables are centered at their means and scaled to unit variance before execution.
逻辑。如果TRUE，变量都集中在他们的手段，并扩展到单位方差之前执行。


参数：runs
integer. Number of algorithm runs from initial means (randomly chosen from the data points).
整数。一些算法运行从初始装置（随机选择从数据点）。


参数：points
NULL or a matrix with k vectors used as means to initialize the algorithm. If initial mean vectors are specified, runs should be 1 (otherwise the same initial means are used for all runs).
NULL或用作具有k向量的矩阵装置初始化该算法。如果初始的平均向量被指定，runs应该是1（否则相同的初始装置被用于所有的运行）。


参数：countmode
optional positive integer. Every countmode algorithm runs trimkmeans shows a message.
可选的正整数。每countmode算法的运行trimkmeans显示一条消息。


参数：printcrit
logical. If TRUE, all criterion values (mean squares) of the algorithm runs are printed.
逻辑。如果TRUE，所有的算法运行的标准值（均方）印刷。


参数：maxit
integer. Maximum number of iterations within an algorithm run. Each iteration determines all points which are closer to a different cluster center than the one to which they are currently assigned. The algorithm terminates if no more points have to be reassigned, or if maxit is reached.
整数。的最大数目的迭代内的算法运行。每一次迭代确定的所有点，比他们目前分配到不同的聚类中心。算法终止，如果没有更多的积分，必须重新分配，，或者如果maxit达到。


参数：x
object of class tkm.
对象类tkm。


参数：...
further arguments to be transferred to plot or plotcluster.
进一步的论据被转移到plot或plotcluster。


Details

详细信息----------Details----------

plot.tkm calls plotcluster if the dimensionality of the data p is 1, shows a scatterplot with non-trimmed regions if p=2 and discriminant coordinates computed from the clusters (ignoring the trimmed points) if p>2.
plot.tkm调用plotcluster，如果维数的数据p1，显示的散点图与非修剪的区域，如果p=2和判别坐标计算聚类（忽略修剪点）如果p>2。


值----------Value----------

An object of class 'tkm' which is a LIST with components <table summary="R valueblock"> <tr valign="top"><td>classification</td> <td> integer vector coding cluster membership with trimmed observations coded as k+1.</td></tr> <tr valign="top"><td>means</td> <td> numerical matrix giving the mean vectors of the k classes.</td></tr> <tr valign="top"><td>disttom</td> <td> vector of squared Euclidean distances of all points to the closest mean.</td></tr> <tr valign="top"><td>ropt</td> <td> maximum value of disttom so that the corresponding point is not trimmed.</td></tr> <tr valign="top"><td>k</td> <td> see above.</td></tr> <tr valign="top"><td>trim</td> <td> see above.</td></tr> <tr valign="top"><td>runs</td> <td> see above.</td></tr> <tr valign="top"><td>scaling</td> <td> see above.</td></tr> </table>
一个对象类“吨公里”，这是一个组件<table summary="R valueblock"> <tr valign="top"> <TD> classification</ TD> <TD>整数向量编码的聚类成员列表，修剪观察编码为k+1。</ TD> </ TR> <tr valign="top"> <TD> means </ TD> <TD>数值矩阵给出的平均矢量k类。</ TD> </ TR> <tr valign="top"> <TD>disttom</ TD> <TD>向量的欧氏距离平方的所有点到最近的平均。</ TD > </ TR> <tr valign="top"> <TD>ropt </ TD> <TD>最大值disttom所以不会修剪对应点。</ TD> < / TR> <tr valign="top"> <TD> k </ TD> <TD>上面看到的。</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>上面看到的。</ TD> </ TR> <tr valign="top"> <TD> trim</ TD> <TD>以上。</ TD > </ TR> <tr valign="top"> <TD>runs </ TD> <TD>上面看到的。</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Christian Hennig
<a href="mailto:chrish@stats.ucl.ac.uk">chrish@stats.ucl.ac.uk</a>
<a href="http://www.homepages.ucl.ac.uk/~ucakche/">http://www.homepages.ucl.ac.uk/~ucakche/</a>




参考文献----------References----------

Cuesta-Albertos, J. A., Gordaliza, A., and Matran, C. (1997) Trimmed k-Means: An Attempt to Robustify Quantizers, Annals of Statistics, 25, 553-576.


参见----------See Also----------

plotcluster
plotcluster


实例----------Examples----------


  set.seed(10001)
  n1 <-60
  n2 <-60
  n3 <-70
  n0 <-10
  nn <- n1+n2+n3+n0
  pp <- 2
  X <- matrix(rep(0,nn*pp),nrow=nn)
  ii <-0
  for (i in 1:n1){
    ii <-ii+1
    X[ii,] <- c(5,-5)+rnorm(2)
  }
  for (i in 1:n2){
    ii <- ii+1
    X[ii,] <- c(5,5)+rnorm(2)*0.75
  }
  for (i in 1:n3){
    ii <- ii+1
    X[ii,] <- c(-5,-5)+rnorm(2)*0.75
  }
  for (i in 1:n0){
    ii <- ii+1
    X[ii,] <- rnorm(2)*8
  }
  tkm1 <- trimkmeans(X,k=3,trim=0.1,runs=3)
# runs=3 is used to save computing time.[运行= 3，以节省计算时间。]
  print(tkm1)
  plot(tkm1,X)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。