Arbre de regroupement
Construisez et visualisez la classification hiérarchique des données arbitraires en utilisant la nouvelle fonction ClusteringTree de la version 11.
Regroupez les villes en fonction de leur proximité les unes par rapport aux autres.
In[1]:=
![Click for copyable input](assets.fr/clustering-tree/In_21.png)
ClusteringTree[{Entity[
"City", {"London", "GreaterLondon", "UnitedKingdom"}],
Entity["City", {"Paris", "IleDeFrance", "France"}],
Entity["City", {"Chicago", "Illinois", "UnitedStates"}],
Entity["City", {"Tokyo", "Tokyo", "Japan"}],
Entity["City", {"Boston", "Massachusetts", "UnitedStates"}],
Entity["City", {"Moscow", "Moscow", "Russia"}],
Entity["City", {"SanDiego", "California", "UnitedStates"}],
Entity["City", {"Baltimore", "Maryland", "UnitedStates"}]}]
Out[1]=
![](assets.fr/clustering-tree/O_16.png)
Obtenez une hiérarchie de grappes à partir d'une liste de couleurs.
In[2]:=
![Click for copyable input](assets.fr/clustering-tree/In_22.png)
colors = RandomColor[18]
Out[2]=
![](assets.fr/clustering-tree/O_17.png)
In[3]:=
![Click for copyable input](assets.fr/clustering-tree/In_23.png)
ClusteringTree[colors, ClusterDissimilarityFunction -> "Centroid"]
Out[3]=
![](assets.fr/clustering-tree/O_18.png)
Choisissez un GraphLayout différent.
In[4]:=
![Click for copyable input](assets.fr/clustering-tree/In_24.png)
ClusteringTree[RandomColor[40],
ClusterDissimilarityFunction -> "Centroid",
GraphLayout -> "RadialDrawing"]
Out[4]=
![](assets.fr/clustering-tree/O_19.png)