Kmeans {MultivariateAnalysis}

Agrupamento K-means

Description

Esta funcao retorna clusters pelo metodo kmeans a partir de uma matriz com dados quantitativos.

Usage

Kmeans(Dados,design=1,nclusters=4,iter.max = 10,nstart = 1,algorithm = "Hartigan-Wong")

Arguments

Dados

Matriz contendo os dados para execucao da analise. Para cada modelo o conjunto de dados precisa estar organizado de uma forma apropriada:

• Design 1: Deve ter apenas os dados numericos da pesquisa. Na primeira linha não deve ter o nome dos individuos/tratamentos.

• Design 2 e 3: As duas primeiras colunas devem conter a identificacao dos tratamentos e repeticoes/blocos, e as demais os valores observanos nas variaveis respostas.

• Modelo 4: As tres primeiras colunas devem conter as informacoes dos tratamentos, linhas e colunas, e posteriormente, os valores da variavel resposta.

• Modelos 5 e 6: as primeiras colunas precisam ter a informacao do fator A, fator B, repeticao/bloco, e posteriormente, as variaveis respostas.

design

Valor numerico indicando o delineamento:

• 1 = Experimento sem repeticoes.

• 2 = Delineamento inteiramente casualizado (DIC) .

• 3 = Delineamento em blocos casualizados (DBC).

• 4 = Delineamento em quadrado latino (DQL).

• 5 =Esquema fatorial duplo em DIC.

• 6 = Esquema fatorial duplo em DBC.

nclusters

numero desejado de cluster.

iter.max

numero de iteracoes permitidas.

nstart

numero de conjuntos aleatorios a serem escolhidos.

algorithm

Metodo desejado para o agrupamento kmeans:

• “Hartigan-Wong”

• “Lloyd”

• “Forgy”

• “MacQueen”

Value

A funcao retorna o numero otimo de clusters a ser considerado no metodo kmeans.

References

PlayList "Curso de Analise Multivariada": https://www.youtube.com/playlist?list=PLvth1ZcREyK72M3lFl7kBaHiVh5W53mlR

CRUZ, C.D. and CARNEIRO, P.C.S. Modelos biometricos aplicados ao melhoramento genetico. 3nd Edition. Vicosa, UFV, v.2, 2014. 668p. (ISBN: 8572691510)

FERREIRA, D.F. Estatistica Multivariada. (2018) 3ed. UFLA. 624p. (ISBN 13:978 8581270630)

HAIR, J.F. Multivariate Data Analysis. (2016) 6ed. Pearson Prentice HalL. (ISBN 13:978 0138132637)

See Also

Kmeans, Kmeans_NumeroOtimo2 , ContribuicaoRelativa

Examples

#Dados sem repeticao
 data("Dados.MED")
 Dados=Dados.MED
 rownames(Dados)=paste("Genotipo",1:10,sep="_")
 Kmeans_NumeroOtimo(Dados,design=1,nboot=100,method="silhouette",NumMax=NULL)
 Kmeans(Dados,design=1,nclusters=3,iter.max = 10,nstart = 1,
        algorithm = "Hartigan-Wong")

#Dados de experimento em dic
data("Dados.DIC")
Kmeans_NumeroOtimo(Dados=Dados.DIC,design=2,nboot=100,method="silhouette",NumMax=NULL)
Kmeans(Dados=Dados.DIC,design=2,nclusters=2,iter.max = 20,nstart = 1,
       algorithm = "Hartigan-Wong")

#Dados de experimento em dbc
data("Dados.DBC")
Kmeans_NumeroOtimo(Dados=Dados.DBC,design=3,nboot=100,method="silhouette",NumMax=NULL)
Kmeans(Dados=Dados.DBC,design=3,nclusters=2,iter.max = 20,nstart = 1,
       algorithm = "Hartigan-Wong")

#Dados de experimento em DQL
data("Dados.DQL")
Kmeans_NumeroOtimo(Dados=Dados.DQL,design=4,nboot=100,method="silhouette",NumMax=NULL)
Kmeans(Dados=Dados.DQL,design=4,nclusters=2,iter.max = 20,nstart = 1,
       algorithm = "Hartigan-Wong")

#Dados de experimento em Esquema fatorial em DIC
data("Dados.Fat2.DIC")
Kmeans_NumeroOtimo(Dados=Dados.Fat2.DIC,design=5,nboot=100,method="silhouette",NumMax=NULL)
Kmeans(Dados=Dados.Fat2.DIC,design=5,nclusters=2,iter.max = 20,nstart = 1,
       algorithm = "Hartigan-Wong")

#Dados de experimento em Esquema fatorial em DBC
data("Dados.Fat2.DBC")
Kmeans_NumeroOtimo(Dados=Dados.Fat2.DBC,design=6,nboot=100,method="silhouette",NumMax=NULL)
Kmeans(Dados=Dados.Fat2.DBC,design=6,nclusters=2,iter.max = 20,nstart = 1,
       algorithm = "Hartigan-Wong")