Clusterfck项目技术文档
2024-12-24 01:08:48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()和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left和right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"和"max"。连接准则可以是"average"(默认)、"single"和"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
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430