پرش به محتوای اصلی
رامین خاورزاده فهم امروز، پیش‌بینی فردا با داده و هوش مصنوعی
رامین خاورزاده · · 1 دقیقه مطالعه

ایدا مطلبی نرم افزار R تمرین 2 و EXAMPLE2 TXT

ایدا مطلبی نرم افزار R تمرین 2 و EXAMPLE2 TXT

فهرست مطالب
    مثال 2: چهار ویژگی قیمت (PRICE)وضوح(ACWERY) درجه بم بودن )BASS) و قدرت پاور مربوط به 19 کارک مختلف بلندگو مورد اندازه گیری قرار گرفته است قصد داریم با روش UPGMAاین نوزده نوع بلندگو را بر حسب چهار متغیر فوق گروه بندی نماییم  ابتدا داده هار ا  در نرم افزار EXELL به صورت یک فایل متنی یا پسوند TXT در ادرس مشخص D ://MY DATA SPEAKER.TXTذخیر ه و با استفاده از تابع READ TABLE در محیط نرم افزار R باز خوانی نموده و داده هار را در آبجکت SPEAKER قرار می دهیم سطر 1 برای اطمینان  از صحت وارد نمودن داده ها انها را بازرخوانی نموده ایم  س123طر 2 همانطور که در نمودار بالا مشاهده می­شود در خوشه­ی اول تنها حاوی، و هستند و سایر بلندگوها در خوشه­ی دوم قرار می­گیرند.     EXAMPLE2.TXT speaker<-read.table('c:\\B.txt',header=T) speaker<-read.table(choose.files(),header=T) dist.speaker<-dist(speaker[-1],method='euclidean') dist.speaker cluster.speaker<-hclust(dist.speaker,method='average') a<-NbClust(speaker[-1],distance='euclidean',index='ccc',method='kmeans') plot(cluster.speaker,label=speaker[,1]) rect.hclust(cluster.speaker,k=a$Best.nc[1],border='red')
    اشتراک‌گذاری:

    نظرات

    هنوز نظری ثبت نشده است؛ اولین نفر باشید.

    ارسال دیدگاه