首页
/ Clusterfck项目技术文档

Clusterfck项目技术文档

2024-12-24 10:35:06作者:蔡怀权

1. 安装指南

在开始使用Clusterfck之前,您需要先安装该库。以下是安装步骤:

对于Node.js环境,您可以通过npm命令进行安装:

npm install clusterfck

如果您希望在浏览器中使用,可以下载浏览器的文件版本。

2. 项目使用说明

Clusterfck是一个JavaScript的聚类分析库,支持层次聚类(Hierarchical clustering)和K-means聚类。

K-means聚类

以下是使用K-means聚类的示例代码:

var clusterfck = require("clusterfck");

var colors = [
   [20, 20, 80],
   [22, 22, 90],
   [250, 255, 253],
   [0, 30, 70],
   [200, 0, 23],
   [100, 54, 100],
   [255, 13, 8]
];

// 计算聚类。
var clusters = clusterfck.kmeans(colors, 3);

kmeans函数的第二个参数是要生成的聚类数(默认值为Math.sqrt(n/2),其中n是向量的数量)。返回值是一个包含聚类的数组。

分类

对于分类,需要实例化一个新的Kmeans对象。

var kmeans = new clusterfck.Kmeans();

// 计算聚类。
var clusters = kmeans.cluster(colors, 3);

// 为一个新的数据点计算聚类索引。
var clusterIndex = kmeans.classify([0, 0, 225]);

序列化

toJSON()fromJSON()方法可以用于序列化和反序列化。

// 将质心序列化为JSON。
var json = kmeans.toJSON();

// 从JSON反序列化质心。
kmeans = kmeans.fromJSON(json);

// 从先前序列化的质心计算聚类索引。
var clusterIndex = kmeans.classify([0, 0, 225]);

使用现有质心初始化

// 使用来自数据库的现有质心?
var centroids = [ [ 35.5, 31.5, 85 ], [ 250, 255, 253 ], [ 227.5, 6.5, 15.5 ] ];

// 使用质心初始化构造函数。
var kmeans = new clusterfck.Kmeans(centroids);

// 计算聚类索引。
var clusterIndex = kmeans.classify([0, 0, 225]);

访问质心和K值

聚类计算完成后或通过fromJSON()加载后,可以通过centroids属性访问计算得到的中心,通过centroids.length获取K值。

// 计算聚类。
var clusters = kmeans.cluster(colors, 3);

// 访问质心,长度为3的数组。
var centroids = kmeans.centroids;

// 访问k值。
var k = centroids.length;

层次聚类

以下是使用层次聚类的示例代码:

var clusterfck = require("clusterfck");

var colors = [
   [20, 20, 80],
   [22, 22, 90],
   [250, 255, 253],
   [100, 54, 255]
];

var clusters = clusterfck.hcluster(colors);

hcluster函数返回一个对象,该对象表示聚类的层次结构,具有leftright子树。叶节点聚类具有value属性,这是数据集中的向量。

距离度量和方法

可以指定距离度量,包括"euclidean"(默认)、"manhattan""max"。连接准则可以是"average"(默认)、"single""complete"

var tree = clusterfck.hcluster(colors, "euclidean", "single");

3. 项目API使用文档

Clusterfck库提供的API包括:

  • kmeans: 进行K-means聚类。
  • Kmeans: K-means聚类的构造函数,可用于分类、序列化、反序列化和使用现有质心初始化。
  • hcluster: 进行层次聚类。

更多详细的使用方法和示例,请参考项目的readme文件。

4. 项目安装方式

如安装指南中所述,您可以通过npm命令来安装Clusterfck库:

npm install clusterfck

或者,如果您希望在浏览器中使用,可以下载对应的浏览器文件版本。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
136
1.89 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
71
63
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.28 K
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
919
551
PaddleOCRPaddleOCR
飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署) Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
46
1
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
273
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16