Einführung in die Clusteranalyse
Verfasst: So Okt 09, 2016 3:49 pm
Hier findest Du eine Einführung in die Clusteranalyse, natürlich mit R-Bezug und einem Einführungsvideo dazu!
Viel Erfolg!
Viel Erfolg!
Deutschsprachiges Forum zur Statistikumgebung R
http://forum.r-statistik.de/
Code: Alles auswählen
library(fPortfolio)
library(fEcofin)
library(corpcor)
djiData = as.timeSeries(DowJones30)
djiData.ret <- 100 * returns(djiData)
colnames(djiData)
par(mfrow = c(1, 1), ask = TRUE)
for (i in 1:3) plot(djiData.ret[, (10 * i - 9):(10 * i)])
for (i in 1:3) plot(djiData[, (10 * i - 9):(10 * i)])
assetsCorImagePlot(djiData.ret)
plot(assetsSelect(djiData.ret))
assetsCorEigenPlot(djiData.ret)
frontier <- portfolioFrontier(djiData.ret)
tailoredFrontierPlot(frontier)
weightsPlot(frontier)
selection <- assetsSelect(djiData.ret, method = "kmeans")
cluster <- selection$cluster
cluster[cluster == 1]
cluster[cluster == 2]
cluster[cluster == 3]
cluster[cluster == 4]
cluster[cluster == 5]
cl1<-cluster[cluster == 1]
cl2<-cluster[cluster == 2]
cl3<-cluster[cluster == 3]
cl4<-cluster[cluster == 4]
cl5<-cluster[cluster == 5]
names(cl1)
names(cl2)
names(cl3)
names(cl4)
names(cl5)
dim(cl1)
dim(cl2)
dim(cl3)
dim(cl4)
dim(cl5)
length(cl1)
length(cl2)
length(cl3)
length(cl4)
length(cl5)
... nicht kenne.selection <- assetsSelect(djiData.ret, method = "kmeans")
Kann bei kmeans passieren, da der Anfang zufällig bestimmt wird. Um dem zu entgehen, und reproduzierbar zu sein, könntest du die Startpunkte vorgeben.Ist das Ergebnis des Clusterns normal, wenn ich immer wieder die gleichen Daten nehme und das Clustern durchführe, dass dann die geclusterten Gruppen immer wieder unterschiedlich ausfallen und gewichtet sind? Und welchen Nutzen hat dann das Verfahren?