24小时热门版块排行榜

>论坛更新日志 (4394)
>文献求助 (401)
>硕博家园 (219)
>导师招生 (216)
>基金申请 (209)
>虫友互识 (181)
>博后之家 (152)
>论文投稿 (121)
>休闲灌水 (99)
>招聘信息布告栏 (80)
>教师之家 (75)
>考博 (75)
>考研 (73)
>公派出国 (45)
>海外博后 (42)
>找工作 (37)

返回列表

寒山听雪

铁虫 (小有名气)

应助: 4 (幼儿园)
金币: 67.2
帖子: 80
在线: 24.3小时
虫号: 1894930

[交流] R 包 qkerntool已经更新到 1.19版本，欢迎使用

说明

这是一个关于以核方法为主的r包介绍，这个包包含了许多用于分类，聚类降维和可视化的非线性机器学习工具。该包使用了条件负定核(cnd kernel)，共集成了26个核，包含q核版本和cnd版本，其中包含dbscan，谱聚类，广义判别分析（gda），主成分分析（pca），isomap，线性判别分析（lle），sammon mapping和tsne。

1.在r中直接输入代码在cran上查找安装

install.packages("qkerntool" )

2 直接下载好的qkerntool_1.19.tar.gz

install.packages("e:/qkerntool_1.18.tar.gz" )

3 rstudio中在菜单栏tools-install packages中查找安装
install from下拉菜单可以选择是从cran还是本地安装包安装

cnd kernel
由于用于数据分析的经典核方法通常被认为仅限于正定核，因此，在qkerntools中提出了新的距离算法，新核方法计算高维投影空间中的距离公式如下
在这里插入图片描述
qkernel使用两个向量参数之间的内核函数值，即通常依赖于由定义的内核矩阵h之类的表达式
在这里插入图片描述
更改核的参数会更改数据的投影，从而更改投影空间中的距离。
为了通过r实现负定核表达，构建了一个s4类r包，其中表示为类“qkernel”或“cndkernel”的对象。这些函数可以作为参数传递给泛型函数，这些函数可以评估更有用的内核表达式，如核矩阵

qkernmatrix 由核方法构成的核矩阵

> library("qkerntool" )
> set.seed(20181110)
> x <- matrix(rnorm(300), ncol = 100)
> qkfunc <- rbfbase(sigma=10,q=0.8)
> qkfunc
qbase qkernel function.
hyperparameter : sigma =  10  q =  0.8
> qkfunc(x[1, ], x[2, ])
      [,1]
[1,] 4.976754

> qkernmatrix(qkfunc,x)
an object of class "qkernmatrix"
      [,1]    [,2]    [,3]
[1,] 0.000000 4.976754 4.969811
[2,] 4.976754 0.000000 4.960555
[3,] 4.969811 4.960555 0.000000

创造自己的核
自己输入核函数

> rbf1 <- function(x, y){
+ sdist <- crossprod(x) + crossprod(y) - 2*crossprod(x,y)
+ sdist <- (1 - exp(log(0.8)*sdist/10))/(1-0.8)
+ return(sdist)
>+ }
> class(rbf1) <- "qkernel"
> rbf1(x[1, ], x[2, ])

qkpca
参数名内容
x n x d矩阵（n个样本，d个特征）或继承cndkernmatrix ，qkernmatrix的核矩阵
kernel 核类型
qpar 核参数
features 选择的成分个数
th 忽略主成分的特征值的值

以iris数据集为例，随机提取二十个样本为测试集，对剩余样本使用“rbfbase”核进行降维以及对应的预测，例子使用了iris数据集，代码及结果如下

data(iris)
test <- sample(1:150,20)
qkpc <- qkpca(~.,data=iris[-test,-5],kernel="rbfbase",
            qpar=list(sigma=50,q=0.8),features=2)

# print the principal component vectors
pcv(qkpc)
#plot the data projection on the components
plot(rotated(qkpc),col=as.integer(iris[-test,5]),
   xlab="1st principal component",ylab="2nd principal component" )

# embed remaining points
emb <- predict(qkpc,iris[test,-5])
points(emb,col=as.integer(iris[test,5]))

[ last edited by jjdg on 2019-4-26 at 20:55 ]

[ Last edited by jjdg on 2019-4-26 at 20:55 ]

回复此楼