- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
与数据挖掘有关或有帮助的R包和函数的集合
1、聚类 常用的包：fpc，cluster，pvclust，mclust 基于划分的方法:kmeans,pam,pamk,clara 基于层次的方法:hclust,pvclust,agnes,diana 基于模型的方法:mclust 基于密度的方法:dbscan 基于画图的方法:plotcluster,plot.hclust 基于验证的方法:cluster.stats 2、分类 常用的包： rpart
1.2K30发布于 2018-08-13 - 来自专栏生信小驿站
无监督学习 聚类分析④
4.mclust包 mclust包是聚类分析非常强大的一个包 帮助文档非常详尽，可以进行聚类、分类、密度分析。 Mclust包方法有点“暴力”，聚类数目自定义，比如我选取的从1到20，然后一共14种模型，每一种模型都计算聚类数目从1到20的BIC值，最终确定最佳聚类数目，这种方法的思想很直接了当，但是弊端也就显然易见了 data(wine) head(wine) dataset <- wine[,-1] #去除分类标签 dataset <- scale(dataset) set.seed(1234) library(mclust ) m_clust <- Mclust(as.matrix(dataset), G=1:20) #聚类数目从1一直试到20 summary(m_clust) plot(m_clust, "BIC") ?
53030发布于 2018-08-27 - 来自专栏文献分享及代码学习
单细胞转录组学轨迹分析解析2-Slingshot代码解析
前者在 mclust 包中实现，并具有一种基于贝叶斯信息准则（BIC）确定聚类数量的自动化方法。 library(mclust, quietly = TRUE)## Package 'mclust' version 6.0.0## Type 'citation("mclust")' for citing this R package in publications.#### Attaching package: 'mclust'## The following object is masked from 'package:mgcv':#### mvncl1 <- Mclust(rd1)$classificationcolData(sce)$GMM <- cl1library(RColorBrewer
1.9K30编辑于 2023-11-07 - 来自专栏作图丫
SC-MEB：空间转录组聚类R包！
devtools) install_github("Shufeyangyi2015310117/SC.MEB") library("SC.MEB") #> Loading required package: mclust #> Warning: package 'mclust' was built under R version 4.0.5 #> Package 'mclust' version 5.4.7 #> Type 'citation("mclust")' for citing this R package in publications.
1.1K20编辑于 2022-03-29 - 来自专栏生物信息与临床医学专栏
R语言进阶之聚类分析
我们可以使用R包“mclust”的Mclust()函数来实现这种模型聚类分析，同时你可以通过help(mclustModelNames)去查看各类模型的详细信息。 # 基于模型的聚类分析 library(mclust) fit3 <- Mclust(mydata) plot(fit3) # 绘图 summary(fit3) # 输出结果 ? ? ?
2.5K20发布于 2020-08-06 - 来自专栏PPV课数据科学社区
【机器学习】确定最佳聚类数目的10种方法
包 mclust包是聚类分析非常强大的一个包，也是上课时老师给我们介绍的一个包，每次导入时有一种科技感 :) 帮助文档非常详尽，可以进行聚类、分类、密度分析 Mclust包方法有点“暴力”，聚类数目自定义 library(mclust) m_clust <- Mclust(as.matrix(dataset), G=1:20) #聚类数目从1一直试到20 summary(m_clust) Gaussian finite mixture model fitted by EM algorithm Mclust EVE (ellipsoidal, equal volume and orientation mclust包还可以用于分类、密度估计等，这个包值得好好把玩。 注意：此BIC并不是贝叶斯信息准则！！！ 与log(likelihood)成反比，极大似然估计是值越大越好，那么BIC值确实是越小模型效果越好 2.Mclust包中的BIC定义[3] ?
3.5K70发布于 2018-04-24 - 来自专栏AI科技评论
开发 | 机器学习之确定最佳聚类数目的10种方法
包 mclust包是聚类分析非常强大的一个包，也是上课时老师给我们介绍的一个包，每次导入时有一种科技感 :) 帮助文档非常详尽，可以进行聚类、分类、密度分析 Mclust包方法有点“暴力”，聚类数目自定义 library(mclust) m_clust <- Mclust(as.matrix(dataset), G=1:20) #聚类数目从1一直试到20 summary(m_clust) Gaussian finite mixture model fitted by EM algorithm Mclust EVE (ellipsoidal, equal volume and orientation) mclust包还可以用于分类、密度估计等，这个包值得好好把玩。 注意：此BIC并不是贝叶斯信息准则！！！ 与log(likelihood)成反比，极大似然估计是值越大越好，那么BIC值确实是越小模型效果越好 2.Mclust包中的BIC定义[3] ?
1.6K120发布于 2018-03-14 - 来自专栏数据指象
一种另辟蹊径的聚类：EM聚类
mux2,muy2),Sigma=sigma,empirical=TRUE) Data<-rbind(Data1,Data2) plot(Data,xlab="x",ylab="y") library("mclust library("mclust") EMfit<-Mclust(data=Data) summary(EMfit) summary(EMfit,parameters=TRUE) plot(EMfit,"
94420编辑于 2022-04-27 - 来自专栏数据饕餮
R语言数据挖掘相关包总结-转帖
1、聚类 常用的包： fpc，cluster，pvclust，mclust 基于划分的方法: kmeans, pam, pamk, clara 基于层次的方法: hclust, pvclust, agnes, diana 基于模型的方法: mclust 基于密度的方法: dbscan 基于画图的方法: plotcluster, plot.hclust 基于验证的方法: cluster.stats
87840发布于 2019-01-14 - 来自专栏PPV课数据科学社区
【学习】干货：与数据挖掘有关或有帮助的R包和函数的集合
1、聚类 常用的包： fpc，cluster，pvclust，mclust 基于划分的方法: kmeans, pam, pamk, clara 基于层次的方法: hclust, pvclust, agnes , diana 基于模型的方法: mclust 基于密度的方法: dbscan 基于画图的方法: plotcluster, plot.hclust 基于验证的方法: cluster.stats 2、分类
1.4K50发布于 2018-04-23 - 来自专栏拓端tecdat
R语言：EM算法和高斯混合模型的实现
软件包 数据 我们将使用mclust软件包附带的“糖尿病”数据。 贝叶斯信息准则（BIC） 以糖尿病数据为例 EM集群与糖尿病数据使用mclust。
1.9K10发布于 2020-08-20 - 来自专栏机器学习之旅
R开发：常用R语言包介绍
函数，k中心点聚类算法 fpc包dbscan函数，密度聚类算法；kmeansruns函数，相比于kmeans函数更加稳定，而且还可以估计聚为几类；pamk函数，相比于pam函数，可以给出参考的聚类个数 mclust 包Mclust函数，期望最大（EM）算法 关联规则：arules包apriori函数 Apriori关联规则算法 recommenderlab协调过滤 DRM：重复关联 ECLAT算法： 采用等价类，RST
1.3K50发布于 2018-08-27 - 来自专栏生信技能树
(IF=14.5)11个高分杂志的scATAC-seq数据分析实战：GSE173682（paper代码学习）
############################################################## # GMM for fragments per cell library(mclust ")) #+ ggsave(paste0(i,"_depth.pdf"),width = 5,height = 5) # GMM for TSS per cell TSS.clust <- Mclust sampleNames[2]){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust sampleNames[7]){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust ) ggsave(paste0(i,"_depth.pdf"),width = 5,height = 5) # Manually set TSS threshold #TSS.clust <- Mclust
33800编辑于 2025-06-09 - 来自专栏文献分享及代码学习
单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析7
##################################################################### GMM for fragments per cell##使用mclust 进行聚类分析library(mclust)for (i in sampleNames){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust(log10(proj.i$nFrags),G = 2) proj.i$depth.cluster <- depth.clust$classification in sampleNames[2]){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust in sampleNames[7]){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust
1.4K50编辑于 2022-08-29 - 来自专栏机器学习AI算法工程
机器学习中的EM算法详解及R语言实例
4.2 应用实例 软件包mclust提供了利用高斯混合模型对数据进行聚类分析的方法。其中函数Mclust()是进行EM聚类的核心函数，它的基本调用格式为 ? ? ? ?
2.8K60发布于 2018-03-13 - 来自专栏科技记者
第9章 聚类 笔记
可以调用fpc::plotcluster函数生成一个判别投影图 9.10 基于模型的聚类方法 # ########模型 install.packages("mclust") library(mclust ) mb <- Mclust(customer) par(mfrow=c(1,1)) plot(mb) summary(mb) ------------------------------------- finite mixture model fitted by EM algorithm ---------------------------------------------------- Mclust
67020编辑于 2022-03-04 - 来自专栏文献分享及代码学习
单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析13
################################################################# GMM for fragments per celllibrary(mclust (i in sampleNames){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell depth.clust <- Mclust = 4)}for (i in sampleNames[2]){ proj.i <- proj[proj$Sample == i] # GMM for fragments per cell ##Mclust ：进行聚类 depth.clust <- Mclust(log10(proj.i$nFrags),G = 2) proj.i$depth.cluster <- depth.clust$classification ggsave(paste0(i,"_depth.pdf"),width = 4,height = 4) # Manually set TSS threshold #TSS.clust <- Mclust
78220编辑于 2022-09-04 - 来自专栏R语言及实用科研软件
🧐 Slingshot | 细胞分化轨迹这样做比较简单哦！~（一）
2用到的包 rm(list = ls()) library(slingshot) library(tidyverse) library(uwot) library(mclust) library(RColorBrewer 7.1 方法一 cl1 <- Mclust(rd1)$classification colData(sce)$GMM <- cl1 plot(rd1, col = brewer.pal(9,"Set1
1K20编辑于 2023-09-04 - 来自专栏R语言及实用科研软件
🧐 Slingshot | 细胞分化轨迹的这样做比较简单哦！~（二）
2用到的包 rm(list = ls()) library(slingshot) library(tidyverse) library(uwot) library(mclust) library(RColorBrewer
95920编辑于 2023-09-04 - 来自专栏拓端tecdat
基于模型的聚类和R语言中的高斯混合模型
R中的建模 mb = Mclust(iris[,-5]) #定义聚类数 mb3 = Mclust(iris[,-5], 3) # 最优模型 mb$modelName # 最优聚类数 mb$G #
2.2K10发布于 2020-07-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号