PP_Optimizer | R Documentation |
Funcao de otimizacao dos indices da projection pursuit (busca de projecao).
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)
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). |
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. |
Paulo Cesar Ossani
Marcelo Angelo Cirillo
Cook, D.; Lee, E. K.; Buja, A.; Wickmam, 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.
Plot.PP
and PP_Index
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
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.