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 س

طر 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')


طر 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