括号
分层排列 在 Java 脚本中
受麻省理工学院许可的启发 h 组群.js 以 @ 克里斯波利斯。 。 。 . 见下文两者的比较。 。 。 .
使用量
浏览器
<script src="hclust.min.js"></script>
<script>
hclust.clusterData(...);
hclust.euclideanDistance(...);
hclust.avgDistance(...);
</script>
节点
npm install @greenelab/hclust
或者说
yarn add @greenelab/hclust
接下来
import { clusterData } from 'hclust';
import { euclideanDistance } from 'hclust';
import { avgDistance } from 'hclust';
clusterData({ data, key, distance, linkage, onProgress })
参数
data
您要分组的数据, 格式:
[
...
[ ... 1, 2, 3 ...],
[ ... 1, 2, 3 ...],
[ ... 1, 2, 3 ...],
...
]
或如果 key 参数指定 :
[
...
{ someKey: [ ... 1, 2, 3 ...] },
{ someKey: [ ... 1, 2, 3 ...] },
{ someKey: [ ... 1, 2, 3 ...] },
...
]
外部阵列中的条目可视为 rows 和每个条目 row 数组可视为 cols。 。 。 .
每个 row 应拥有相同数目的 cols。 。 。 .
默认值 : []
key
A 类 string 键以指定要提取的值 data 阵列.
如果省略,则, data 假定为数组.
如果指定, data 假设为对象的数组,每个对象都有包含该对象的值的密钥 row。 。 。 .
默认值 : ''
distance
计算两个等分向量之间的距离的函数,用于计算距离矩阵,格式为:
function (arrayA, arrayB) { return someNumber; }
该函数得到两个等长的数字数组(ints或浮点)并应当返回一个数字(int或浮点).
默认值 : euclideanDistance 从此 hclust 软件包
linkage
基于一个距离矩阵计算成对集群之间的距离的函数,用于确定链接标准,其格式为:
function (arrayA, arrayB, distanceMatrix) { return someNumber; }
该函数得到两套指数和计算出每个数据和其他数据之间的距离矩阵. 该函数应返回一个数字( 插入或浮动)
默认值 : averageDistance 从此 hclust 软件包
onProgress
整个分组中多次调用的一个函数,通过分组提供当前的进展,格式如下:
function (progress) { }
该函数在 0 财务报告和审定财务报表 1。 。 。 .
默认值 : 内部职能 console.log'是进展
说明: postMessage 在与 onProgress,如果脚本运行为 网络工人。 。 。 .
回返
const { clusters, distances, order, clustersGivenK } = clusterData(...);
clusters
生成的集群树,格式如下:
{
indexes: [ ... Number, Number, Number ... ],
height: Number,
children: [ ... {}, {}, {} ... ]
}
distances
格式中的计算距离矩阵:
[
...
[ ... Number, Number, Number ...],
[ ... Number, Number, Number ...],
[ ... Number, Number, Number ...]
...
]
order
以原始数据数组索引为格式的数据新顺序:
[ ... Number, Number, Number ... ]
等值为 clusters.indexes 财务报告和审定财务报表 clustersGivenK[1]。 。 。 .
clustersGivenK
原始数据数组索引中的树切片列表,其中索引=K,格式为:
[
[], // K = 0
[ [] ], // K = 1
[ [], [] ], // K = 2
[ [], [], [] ], // K = 3
[ [], [], [], [] ], // K = 4
[ [], [], [], [], [] ] // K = 5
...
]
euclideanDistance(arrayA, arrayB)
计算 欧几利得相距 介于两个等分向量之间.
avgDistance(arrayA, arrayB, distanceMatrix)
根据距离矩阵计算成对集群之间的平均距离.
与 h 组群.js
- 此软件包不重复结果中原始数据集中的项目 . 有关结果按原始数据集或距离矩阵的指数列出.
- 这个软件包使用更现代的JavaScript语法和做法来使代码更清洁更简单.
- 此软件包提供了
onProgress调用和呼叫postMessage用于: 网络工人。 。 。 . 因为集成用大数据集需要很长的时间,所以你可能想作为网络工人运行它,这样浏览器就不会被长时间地冻结了,而你可能需要一个回调,这样就可以给用户提供其进度的视觉反馈. - 这个软件包做了一些性能优化,比如通过大集去除不必要的循环.
它已经在各种OS(Windows,Mac,Linux,iOS,Android),设备(台式电脑,笔记本电脑,移动),浏览器(Chrome,Firefox,Safari),背景(主线,网络工人),以及托管地点(本地,在线)等测试过.
结果大相径庭,对硬件,cpu核心,浏览器执行等细节可能敏感.
但总的来说,这个包裹比
hcluster.js,在不同程度上,并且总是至少是平均表现的. Chrome似乎看到性能收益最多(可达10x,当行数高时),而Firefox似乎没有看到收益. - 此软件包不触及输入数据对象,而
hcluster.js软件包. D3常期望您直接对数据对象进行突变,这在JavaScript中通常被认为是不良的做法. 相反,这个软件包返回集群算法(包括距离矩阵)的有用数据,并允许您根据需要对数据对象进行突变或不突变. - 这个包没有了
minDistance或者说maxDistance包含在hcluster.js,因为 参考文献 - 其效力不如averageDistance。 。 。 .
更改图书馆
- 安装节点
- 安装 Yarn
- 清除这回波,在命令终端导航
- 运行
yarn install安装此软件包的依赖性 - 向
./src/hclust.js - 运行
yarn test以自动重建库并运行测试套件 - 运行
yarn build来重建库,并将编译的内容输出到./build/hclust.min.js - 必要时, 承诺更改重投 . 执行之前一定要运行构建命令;不会自动发生.
类似图书馆
cmpolis/h 组群.js harthur/ 分组 mljs/ 包含 数学功用/等级-集群
进一步阅读
这个 澳大利亚地名 (AGGlomerative NESting)方法; 连续合并最不相差的节点.