The daisy function in the cluster l

The daisy function in the cluster library will automatically perform standardization, but it doesn't give you complete control. If you have a particular method of standardization in mind, you can use the scale function. You pass scale a matrix or data frame to be standardized, and two optional vectors. The first, called center, is a vector of values, one for each column of the matrix or data frame to be standardized, which will be subtracted from every entry in that column. The second, called scale, is similar to center, but is used to divide the values in each column. Thus, to get z-scores, you could pass scale a vector of means for center, and a vector of standard deviations for scale. These vectors can be created with the apply function, that performs the same operation on each row or column of a matrix. Suppose we want to standardize by subtracting the median and dividing by the mean average deviation:

ผลลัพธ์ (ไทย) 1:

ฟังก์ชั่นเดซี่ในห้องสมุดของกลุ่มโดยอัตโนมัติจะดำเนินการมาตรฐาน แต่ก็ไม่ได้ช่วยให้คุณควบคุมได้อย่างสมบูรณ์ ถ้าคุณมีวิธีการเฉพาะของมาตรฐานในใจคุณสามารถใช้ฟังก์ชั่นขนาด คุณผ่านระดับเมทริกซ์หรือกรอบข้อมูลที่จะได้มาตรฐานและตัวเลือกสองเวกเตอร์ เป็นครั้งแรกที่เรียกว่าศูนย์เป็นเวกเตอร์ของค่าหนึ่งสำหรับแต่ละคอลัมน์ของเมทริกซ์หรือข้อมูลกรอบที่จะเป็นมาตรฐานซึ่งจะถูกหักออกจากทุกรายการในคอลัมน์ที่ ที่สองที่เรียกว่าขนาดมีลักษณะคล้ายกับศูนย์ แต่จะใช้ในการแบ่งค่าในแต่ละคอลัมน์ จึงจะได้รับคะแนนซี, คุณสามารถผ่านระดับเวกเตอร์ของว​​ิธีการสำหรับศูนย์และเวกเตอร์ของส่วนเบี่ยงเบนมาตรฐานสำหรับขนาด เวกเตอร์เหล่านี้สามารถสร้างขึ้นด้วยฟังก์ชั่นใช้ที่มีประสิทธิภาพการดำเนินงานที่เหมือนกันในแต่ละแถวหรือคอลัมน์ของเมทริกซ์ สมมติว่าเราต้องการที่จะสร้างมาตรฐานโดยการหักค่ามัธยฐานและหารด้วยส่วนเบี่ยงเบนเฉลี่ยเฉลี่ย:

ผลลัพธ์ (ไทย) 2:

เดซี่ฟังก์ชันในไลบรารีของคลัสเตอร์จะทำมาตรฐานโดยอัตโนมัติ แต่มันไม่ให้คุณควบคุม ถ้าคุณมีวิธีการมาตรฐานในใจ คุณสามารถใช้ฟังก์ชันขนาด คุณผ่านระดับเฟรมเมทริกซ์หรือข้อมูลให้เป็นมาตรฐาน และสองเวกเตอร์ก็ได้ ตัวแรก เรียกว่า เป็นเวกเตอร์ของค่า หนึ่งสำหรับแต่ละคอลัมน์ของเมทริกซ์หรือข้อมูลเฟรมให้เป็นมาตรฐาน ซึ่งจะถูกหักออกจากทุกรายการในคอลัมน์ วินาที เรียกว่าสเกล คล้ายกับศูนย์ ได้ใช้เป็นค่าในแต่ละคอลัมน์ ดังนั้น รับคะแนน z คุณสามารถผ่านขนาดเวกเตอร์หมายถึงศูนย์ และเวกเตอร์ส่วนเบี่ยงเบนมาตรฐานสำหรับขนาด เวกเตอร์เหล่านี้สามารถสร้างได้ ด้วยการใช้ฟังก์ชัน ที่ทำการเดียวกันในแต่ละแถวหรือคอลัมน์ของเมทริกซ์ สมมติว่า เราต้องการกำหนดมาตรฐาน โดยลบค่ามัธยฐาน และหาร ด้วยส่วนเบี่ยงเบนค่าเฉลี่ยหมายถึง:

ผลลัพธ์ (ไทย) 3:

ฟังก์ชันแบบต่อโยงกันไปเรื่อยๆในไลบรารีโดยอัตโนมัติเป็นกลุ่มที่จะทำให้มาตรฐานแต่ก็ไม่ได้ทำให้คุณสามารถควบคุมเสร็จสมบูรณ์ หากคุณมีวิธีการหนึ่งของมาตรฐานในใจคุณสามารถใช้งานฟังก์ชั่นขจัดตะกรันที่ ท่านจะต้องเดินทางผ่านขนาด Matrix Storage หรือกรอบข้อมูลเพื่อเป็นมาตรฐานและสองปัจจัยสำหรับความสะดวกซึ่งเป็นอุปกรณ์เสริม ศูนย์เรียกว่าเป็นครั้งแรกที่มีปัจจัยของค่าหนึ่งในคอลัมน์แต่ละเฟรมของข้อมูลหรือ Matrix Storage ที่จะได้มาตรฐานซึ่งจะเป็นตัวตั้งในการเข้าไปในคอลัมน์ที่. ปรับขนาดเรียกว่าที่สองคือความเหมือนในศูนย์กลางแต่จะใช้ในการแบ่งค่าในคอลัมน์แต่ละ ดังนั้นการได้รับ Z - คะแนนคุณไม่สามารถผ่านขนาดเวกเตอร์การสำหรับศูนย์บริการและ initialization vector ของตัวแปรมาตรฐานสำหรับเครื่องชั่ง องค์ประกอบเหล่านี้สามารถสร้างขึ้นพร้อมด้วยฟังก์ชันที่ใช้งานที่ทำการทำงานเดียวกันนี้ในแต่ละแถวหรือคอลัมน์ของตาราง คิดว่าเราต้องการจะสร้างมาตรฐานโดยหักเกาะกลางถนนและแบ่งเฉลี่ยโดยการผูกกับการเบี่ยงเบน(หมายความว่าได้