PP_Optimizer {MVar.pt} | R Documentation |
Funcao de otimizacao dos indices da projection pursuit (busca de projecao).
Description
Funcao de otimizacao dos indices da projection pursuit (busca de projecao).
Usage
PP_Optimizer(data, class = NA, findex = "HOLES",
dimproj = 2, sphere = TRUE, optmethod = "GTSA",
weight = TRUE, lambda = 0.1, r = 1, cooling = 0.9,
eps = 1e-3, maxiter = 3000, half = 30)
Arguments
data |
Conjunto de dados numericos sem a informacao das classes. |
class |
Vetor com os nomes das classes dos dados. |
findex |
Funcao indice de projecao a ser usada: |
dimproj |
Dimensao para a projecao dos dados (default = 2). |
sphere |
Dados esfericos (default = TRUE). |
optmethod |
Metodo de otimizacao GTSA - Grand Tour Simulated Annealing ou SA - Simulated Annealing (default = "GTSA"). |
weight |
Usado nos indice LDA, PDA e Lr, para ponderar os calculos pelo numero de elementos em cada classe (default = TRUE). |
lambda |
Usado no indice PDA (default = 0.1). |
r |
Usado no indice Lr (default = 1). |
cooling |
Taxa de arrefecimento (default = 0.9). |
eps |
Precisao de aproximacao para cooling (default = 1e-3). |
maxiter |
Numero maximo de iteracoes do algoritmo (default = 3000). |
half |
Numero de etapas sem incrementar o indice, para em seguida diminuir o valor do cooling (default = 30). |
Value
num.class |
Numero de classes. |
class.names |
Nomes das classes. |
proj.data |
Dados projetados. |
vector.opt |
Vetores de projecao encontrados. |
index |
Vetor com os indices de projecao encontrados no processo, convergindo para o maximo, ou o minimo. |
findex |
Funcao indice de projecao usada. |
Author(s)
Paulo Cesar Ossani
Marcelo Angelo Cirillo
References
COOK, D., LEE, E. K., BUJA, A., WICKHAM, H.. Grand tours, projection pursuit guided tours and manual controls. In Chen, Chunhouh, Hardle, Wolfgang, Unwin, e Antony (Eds.), Handbook of data Visualization, Springer Handbooks of Computational Statistics, chapter III.2, p. 295-314. Springer, 2008.
LEE, E., COOK, D., KLINKE, S., LUMLEY, T.. Projection pursuit for exploratory supervised classification. Journal of Computational and Graphical Statistics, 14(4):831-846, 2005.
See Also
Examples
data(iris) # conjunto de dados
# Exemplo 1 - Sem as classes nos dados
data <- iris[,1:4]
class <- NA # classe dos dados
findex <- "kurtosismax" # funcao indice
dim <- 1 # dimensao da projecao dos dados
sphere <- TRUE # Dados esfericos
res <- PP_Optimizer(data = data, class = class, findex = findex,
optmethod = "GTSA", dimproj = dim, sphere = sphere,
weight = TRUE, lambda = 0.1, r = 1, cooling = 0.9,
eps = 1e-3, maxiter = 1000, half = 30)
print("Numero de classes:"); res$num.class
print("Nomes das classes:"); res$class.names
print("Funcao indice de projecao:"); res$findex
print("Dados projetados:"); res$proj.data
print("Vetores de projecao:"); res$vector.opt
print("Indices de projecao:"); res$index
# Exemplo 2 - Com as classes nos dados
class <- iris[,5] # classe dos dados
res <- PP_Optimizer(data = data, class = class, findex = findex,
optmethod = "GTSA", dimproj = dim, sphere = sphere,
weight = TRUE, lambda = 0.1, r = 1, cooling = 0.9,
eps = 1e-3, maxiter = 1000, half = 30)
print("Numero de classes:"); res$num.class
print("Nomes das classes:"); res$class.names
print("Funcao indice de projecao:"); res$findex
print("Dados projetados:"); res$proj.data
print("Vetores de projecao:"); res$vector.opt
print("Indices de projecao:"); res$index