Ein 20-30 minütiger Vortrag zur Einführung in die Ansätze der räumlichen Statistik und dem Umgang mit Datenpunkten auf einer zweidimensionalen Landkarte.
Gehalten auf dem Lebenswissenschaftlichen Wochenendseminar der Studienstiftung 2015 in Frankfurt.
Siehe http://www.lwws.de
Quelltext zum Erzeugen der Bilder mit Matlab: https://gist.github.com/jnkather
40. Baddeley, A. J., & Turner, R. (2004). Spatstat: An R Package for Analyzing Spatial Point Pattens, available from: http://www.spatstat.org/spatstat/doc/spatstatJSSpaper.pdf
F(r): empty space function
= point-to-event distribution
G(r): nearest neighbour distance distribution function
= event-to-event distribution
K(r): Anzahl der Nachbarn N abhängig vom Radius r
normalisiert auf Gesamtzahl der Punkte n und
Gesamtdichte der Punkte λ = n/A
44. k means clustering
1. Lege zufällig k Zentren fest
2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
3. Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
45. k means clustering
1. Lege zufällig k Zentren fest
2. Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
3. Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
Jeder Datenpunkt wird dem nächsten Zentrum zugeordnet
Verschiebe jedes Zentrum in die Mitte der zugehörigen Punktwolke
https://de.wikipedia.org/wiki/
K-Means-Algorithmus