Funciones en el namespace Pds::Clustering

Funciones para trabajar con "Clustering": Pds::Clustering::CostKmeans(), Pds::Clustering::Kmeans(), etc. Más...

Diagrama de colaboración para Funciones en el namespace Pds::Clustering:

Namespaces
namespace	Pds
	Nombre de espacion para PDS (Procesamiento Digital de Senales)
namespace	Pds::Clustering
	Nombre de espacio para Clustering.

Clustering : Kmeans
double	Pds::Clustering::CostKmeans (const Pds::Matrix &X, const Pds::Matrix &C, const Pds::Array< unsigned int > &ID)
	Función de costo de Kmeans. Más...
double	Pds::Clustering::CostKmeans (const Pds::Matrix &X, const Pds::Matrix &C)
	Función de costo de Kmeans. Más...
Pds::Matrix	Pds::Clustering::Kmeans (Pds::IterationConf &Conf, const std::vector< Pds::Matrix > &Block, unsigned int K, Pds::Array< unsigned int > &IDMAP)
	Calculo de los centroides. Más...
Pds::Matrix	Pds::Clustering::Kmeans (Pds::IterationConf &Conf, const Pds::Matrix &X, unsigned int K, Pds::Array< unsigned int > &ID)
	Calculo de los centroides. Más...
Pds::Matrix	Pds::Clustering::Kmeans (Pds::IterationConf &Conf, const Pds::Matrix &X, unsigned int K)
	Calculo de los centroides. Más...

Descripción detallada

Funciones para trabajar con "Clustering": Pds::Clustering::CostKmeans(), Pds::Clustering::Kmeans(), etc.

#include <Pds/FuncClustering>

Documentación de las funciones

CostKmeans() [1/2]

double Pds::Clustering::CostKmeans	(	const Pds::Matrix &	X,
		const Pds::Matrix &	C,
		const Pds::Array< unsigned int > &	ID
	)

Función de costo de Kmeans.

Parámetros

[in]	X	Matriz con los vectores de datos (muestras) en las lineas.
[in]	C	Centroides con los vectores de datos (muestras) en las lineas.
[in]	ID	Indice del cluster al cual pertenece el dato .

Devuelve

Los centroides.

CostKmeans() [2/2]

double Pds::Clustering::CostKmeans	(	const Pds::Matrix &	X,
		const Pds::Matrix &	C
	)

Función de costo de Kmeans.

Parámetros

[in]	X	Matriz con los vectores de datos (muestras) en las lineas.
[in]	C	Centroides con los vectores de datos (muestras) en las lineas.

Devuelve

Los centroides.

Kmeans() [1/3]

Pds::Matrix Pds::Clustering::Kmeans	(	Pds::IterationConf &	Conf,
		const std::vector< Pds::Matrix > &	Block,
		unsigned int	K,
		Pds::Array< unsigned int > &	IDMAP
	)

Calculo de los centroides.

El error usado para comparar con Conf.GetMinError(), es calculado mediante la siguiente formula

donde es el i-esimo centroide.

Parámetros

[in,out]	Conf	Configuracion de las iteraciones.
[in]	Block	Vector de N matrices con los datos (muestras) formados por los N elemento en la i-esima posicion de cada matriz.
[in]	K	Numero de clusters.
[out]	IDMAP	Vector de indices de los centroides al que pertenecen a cada muestra.

Devuelve

Los centroides.

Ejemplos

example_perceptron_kernel_gaussian_yinyang.cpp.

Kmeans() [2/3]

Pds::Matrix Pds::Clustering::Kmeans	(	Pds::IterationConf &	Conf,
		const Pds::Matrix &	X,
		unsigned int	K,
		Pds::Array< unsigned int > &	ID
	)

Calculo de los centroides.

El error usado para comparar con Conf.GetMinError(), es calculado mediante la siguiente formula

donde es el i-esimo centroide.

Pds::Clustering::Kmeans

Parámetros

[in,out]	Conf	Configuracion de las iteraciones.
[in]	X	Matriz con los vectores de datos (muestras) en las lineas.
[in]	K	Numero de clusters.
[out]	ID	Vector de indices de los centroides al que pertenece cada linea de X.

Devuelve

Los centroides.

Kmeans() [3/3]

Pds::Matrix Pds::Clustering::Kmeans	(	Pds::IterationConf &	Conf,
		const Pds::Matrix &	X,
		unsigned int	K
	)

Calculo de los centroides.

Pds::Clustering::Kmeans

Parámetros

[in]	Conf	Configuracion de las iteraciones.
[in]	X	Matriz con los vectores de datos (muestras) en las lineas.
[in]	K	Numero de clusters.

Devuelve

Los centroides.