-2
Q
映射的聚類算法
A
回答
0
library(ggplot2)
# Construct Data
set.seed(23)
lat <- c(seq(from = 16.3478, to = 14.1329876, length.out = 500),
seq(from = 18.5478, to = 19.567, length.out = 500))
lat <- sample(x = lat, size = 100)
lon <- seq(from = 45.987, to = 46.98237, length.out = 1000)
lon <- sample(x = lon, size = 100)
# Place inside data.frame
df_latlon <- data.frame(lat, lon)
cluster_latlon <- kmeans(x = df_latlon, centers = 2, nstart = 20)
df_latlon <- cbind(df_latlon, cluster_latlon$cluster)
# Output ggplot with colored values
ggplot(df_latlon) +
geom_point(aes(lat, lon, color = as.factor(cluster_latlon$cluster)))
cluster_latlon$centers
cluster_latlon$cluster
0
你的問題本質上是「我該怎麼做羣集」。
它不能簡潔地回答,但你應該閱讀關於聚類的教科書。
k-means不適用於經緯度,因爲它是最小二乘法,但1度緯度不等於1度經度(通常)。使用PAM,層次聚類,DBSCAN等
相關問題
- 1. 映射應用程序的聚類算法
- 2. XSLT映射算法
- 3. 通過兩種不同算法在聚類結果中進行映射R
- 4. 映射連接算法
- 5. 保形映射算法
- 6. 圖像重映射算法
- 7. Leader聚類算法解釋
- 8. 自定義聚類算法
- 9. 隨機聚類算法
- 10. 計算神經元在自組織映射中的距離用於聚類
- 11. 索引映射的高效算法
- 12. unique_ptr用法 - 類映射
- 13. 映射超類的關聯映射
- 14. 休眠映射,在未映射的類
- 15. TCL計算映射
- 16. Dapper正確的對象/聚合映射
- 17. 屬性和值映射算法
- 18. 基於映射的計算
- 19. Nhibernate類映射
- 20. MongoDB映射類
- 21. MATLAB:自組織映射(SOM)聚類所需的幫助
- 22. 聚類算法的性能分析
- 23. 如何評價我的聚類算法
- 24. 用於聚類算法的數據集
- 25. 聚類視覺可分簇的算法
- 26. K表示R中的聚類算法
- 27. 無法擴展映射的類:實體
- 28. 哪種聚類算法最適合聚類一維特徵?
- 29. DDD聚合根子關係NHibernate映射
- 30. 緩存和計算映射
請閱讀[如何提出一個好問題](http://stackoverflow.com/help/how-to-ask)以及如何給出[可重現性示例](http://stackoverflow.com/questions/5963269)。這會讓其他人更容易幫助你。 – zx8754
這可能有幫助。 http://stackoverflow.com/questions/28672399/spatial-clustering-in-r-simple-example –