クラスタリング用の視覚化ソフトウェア

〜22000ポイントをクラスター化します。多くのクラスタリングアルゴリズムは、高品質の初期推測でより適切に機能します。データの大まかな形状を把握できるツールは何ですか？

自分の距離メトリックを選択できるようにしたいので、ペアワイズ距離のリストをフィードできるプログラムは問題ありません。ディスプレイ上の領域またはクラスターをハイライトし、その領域にあるデータポイントのリストを取得するようなことをしたいと思います。

フリーソフトウェアが望ましいですが、SASとMATLABを既に持っています。

GGobi（http://www.ggobi.org/）とRパッケージrggobiは、このタスクに最適です。

例については、関連するプレゼンテーションを参照してください：http : //www.ggobi.org/book/2007-infovis/05-clustering.pdf

clusterflyおよびgcExplorerパッケージを使用して、Rでクラスタリング結果を高次元で調べることができます。詳細はこちらをご覧ください。

（数か月後）kクラスターを描き、さまざまなkの効果を見る良い方法は、最小スパニングツリーを構築 し、最も長いエッジを調べることです。例えば、

ここには10個のクラスターがあり、9つの最長エッジ855 899 942 954 1003 1005 1069 11341267。9
つのクラスターの場合、シアン855エッジを折りたたむ。8、紫899; 等々。

単一リンクのkクラスタリングアルゴリズム...は、まさにKruskalのアルゴリズムです... MSTを見つけてk-1の最も高価なエッジを削除するのと同じです。

—ウェイン、 貪欲アルゴリズム。

22000ポイント、242Mペアワイズ距離、約1ギガバイト（float32）：適合可能性があります。

高次元のツリーまたはグラフを2Dで表示するには、多次元スケーリング（同じくKruskalから）および次元削減に関する膨大な文献を参照してください。ただし、20を超えると言うと、ほとんどの距離は中央値に近くなるため、次元削減はそこではできないと思います。

私のプロジェクトの1つでKNIMEを使って良い経験をしました。これは、迅速な探索マイニングとグラフ作成のための優れたソリューションです。さらに、RおよびWekaモジュールのシームレスな統合を提供します。

また、オープンソースのデータマイニングソフトウェアであるELKIもご覧ください。ウィキメディアコモンズには、ELKIで作成された画像のギャラリーがあり、その多くはクラスター分析に関連しています。

見てみましょうCluster 3.0のを。それがあなたが望むすべてを行うかどうかはわかりませんが、それはかなりよく文書化されており、いくつかの距離メトリックから選択することができます。視覚化の部分は、Java TreeView（スクリーンショット）と呼ばれる別のプログラムを介して行われます。

GGobiはこの点で面白そうです。別のアプローチとして、類似性/逆距離行列をネットワーク隣接行列として扱い、それをネットワーク分析ルーチン（たとえば、RのigraphまたはおそらくPajek）に入力することもできます。このアプローチを使用して、さまざまなカットポイントでノードの距離を2進タイにカットする実験を行います。

Wekaはデータマイニング用のオープンソースプログラム（Javaで作成および拡張可能）、Orangeはデータマイニングと機械学習（Pythonで記述された）用のオープンソースプログラムおよびライブラリです。どちらも、多次元データの便利で効率的な視覚的調査を可能にします

DataMeltの無料の数値ソフトウェアには、JMinHepと呼ばれるJavaライブラリが含まれています。「データのクラスタリング」セクションのマニュアルをご覧ください。多次元データポイントをXYで視覚化し、多数のデータクラスタリングアルゴリズムを実行するGUIを提供します。