qkerntool使用说明

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿

作者：王景灏 

山东大学（威海）数学与统计学院学生

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。

下载

1 在R中直接输入代码在CRAN上查找安装

2 直接下载好的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

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

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

创造自己的核

自己输入核函数

qkpca

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

qkIsomap

通过核方法计算样本之间的距离，再通过Isomap进行降维，例子使用了Swiss Roll数据集，代码及结果如下

qkernel Spectral Clustering（qkpecc）

该方法通过重新构造拉普拉斯矩阵再进行切图，进行聚类，例子使用了iris数据集，代码及结果如下