-
Notifications
You must be signed in to change notification settings - Fork 12
/
Trabalho Reconhecimento de Padrões
114 lines (98 loc) · 3.28 KB
/
Trabalho Reconhecimento de Padrões
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
#grupo - Amanda Pita, Alessandra Santos e Melissa Ribeiro
#codigo completo
library("pvclust")
library("cluster")
library("ggplot2")
library("dendextend")
library("factoextra")
library("dplyr")
library("tidyverse")
library("gridExtra")
#inserir dados
dadosbase = read.delim("Mvalues_ACTped.txt", header = TRUE)
#virar matriz
dadost = t(dadosbase)
#vetores
algoritmos = c("Hartigan-Wong", "Forgy", "MacQueen")
distancias = c("correlation", "uncentered", "euclidean", "manhattan")
metricas = c("euclidean", "manhattan")
metodos = c("average", "single", "complete", "weighted", "ward")
pv_metodos = c("average", "ward.D", "ward.D2", "single", "complete", "mcquitty", "median", "centroid")
stands = c(TRUE , FALSE)
#matriz para salvar os grupos
matriz <- matrix(0, 57, 65)
p=1
# agnes
for (i in 1:2){
for (j in 1:5){
for (l in 1:2) {
agn = agnes(dadost, metric = metricas[i], stand = stands[l], method = metodos[j])
grafico = plot(agn, hang = -1)
rect.hclust(agn, k = 4, border = "red")
grupos = c(cutree(agn, k = 4))
matriz[,p] <- grupos
p = p+1
}
}
}
p=p+1 # para “pular” uma linha na matriz
# diana
for (i in 1:2){
for (j in 1:2){
dia = diana(dadost, metric = metricas[i], stand = stands[j])
grafico = plot(dia, hang = -1)
rect.hclust(dia, k = 4, border = "red")
grupos = c(cutree(dia, k = 4))
matriz[,p] <- grupos
p = p+1
}
}
p=p+1 # para “pular” uma linha na matriz
# pam
for (i in 1:2) {
dados_pam = pam(dadost, k = 4, metric = metricas[i])
plot(fviz_silhouette(dados_pam, label = TRUE))
plot(fviz_cluster(dados_pam))
grupos <- (dados_pam$clustering)
matriz[,p] <- grupos
p = p+1
}
p=p+1 # para “pular” uma linha na matriz
#kmeans
for (i in 1:3) {
kme = kmeans(dadost, centers = 4, algorithm = algoritmos[i])
plot (fviz_cluster(kme, data=dadost, main = algoritmos[i]))
grupos <- (kme$cluster)
matriz[,p] <- grupos
p=p+1
# plots to compare
k1 <- kmeans(dadost, centers = 1, algorithm = algoritmos[i])
k2 <- kmeans(dadost, centers = 2, algorithm = algoritmos[i])
k3 <- kmeans(dadost, centers = 3, algorithm = algoritmos[i])
k4 <- kmeans(dadost, centers = 4, algorithm = algoritmos[i])
p1 <- fviz_cluster(k1, geom = "point", data = dadost) + ggtitle("k = 1")
p2 <- fviz_cluster(k2, geom = "point", data = dadost) + ggtitle("k = 2")
p3 <- fviz_cluster(k3, geom = "point", data = dadost) + ggtitle("k = 3")
p4 <- fviz_cluster(k4, geom = "point", data = dadost) + ggtitle("k = 4")
grid.arrange(p1, p2, p3, p4, nrow = 2)
}
p=p+1 # para “pular” uma linha na matriz
#pvclust
for(i in 1:4){
for(j in 1:8){
pvc <- pvclust((as.data.frame(dadosbase)), method.dist = distancias[i], method.hclust = pv_metodos[j], nboot = 5, r=1)
grafico = plot(pvc, print.pv = FALSE, hang = -1)
dend <- as.dendrogram(pvc)
dend %>% set(k=4) %>% plot()
if((i==1 && j!=7) || (i==2 && j!=7) || (i>2)){
dend %>%rect.dendrogram(k=4, border = "red")
}
grupos = c(cutree(pvc$hclust, k = 4))
matriz[,p] <- grupos
p=p+1
}
}
# matriz de distancia
distancia <- get_dist(dadost)
fviz_dist(distancia, gradient = list(low = "#00AFBB", mid = "white", high = "#FC4E07"))
tabela_resultados = t(matriz)