Kmeans_NumeroOtimo2: Numero otimo de clusters pelo metodo do cotovelo

Description

Esta funcao retorna o numero otimo de clusters para o metodo kmeans considerando dieferentes criterios. @name Kmeans_NumeroOtimo2

Usage

Kmeans_NumeroOtimo2(Dados,design=1,nboot=100, Metodo=1,iter.max = 100,
NumMax=NULL,TituloX="Numero de clusters",TituloY=NULL,Theme=theme_classic())

Value

A funcao retorna o numero otimo de clusters a ser considerado no metodo kmeans.

Arguments

Dados

Matriz contendo os dados para execucao da analise. Para cada modelo o conjunto de dados precisa estar organizado de uma forma apropriada:

Design 1: Deve ter apenas os dados numericos da pesquisa. Na primeira linha não deve ter o nome dos individuos/tratamentos.
Design 2 e 3: As duas primeiras colunas devem conter a identificacao dos tratamentos e repeticoes/blocos, e as demais os valores observanos nas variaveis respostas.
Modelo 4: As tres primeiras colunas devem conter as informacoes dos tratamentos, linhas e colunas, e posteriormente, os valores da variavel resposta.
Modelos 5 e 6: as primeiras colunas precisam ter a informacao do fator A, fator B, repeticao/bloco, e posteriormente, as variaveis respostas.

design

Valor numerico indicando o delineamento:

1 = Experimento sem repeticoes.
2 = Delineamento inteiramente casualizado (DIC) .
3 = Delineamento em blocos casualizados (DBC).
4 = Delineamento em quadrado latino (DQL).
5 =Esquema fatorial duplo em DIC.
6 = Esquema fatorial duplo em DBC.

nboot

numero de reamostragens desejadas para o metodo bootstrap.

Metodo

Criterio utilizado para a estimacao do numero otimo de clusters. Pode-se utilizar as seguintes opcoes:

1 = Metodo baseado na porcentagem de explicacao
2 = Metodo baseado na soma dos quadrados intra-cluster
3 = = Metodo baseado na soma dos quadrados inter-cluster

iter.max

numero de reamostragens desejadas para o metodo bootstrap.

NumMax

Numero maximo de clustes a ser considerado (Obs: Deve ser no minimo 2).

TituloX

Titulo desejado para o eixo x.

TituloY

Titulo desejado para o eixo y.

Theme

Tema utilizado para o graficos do `ggplot2` (Ex.:theme_gray(), theme_bw(), theme_linedraw(), theme_light(), theme_dark(), theme_minimal(), theme_classic(), theme_void(), theme_test()).

References

PlayList "Curso de Analise Multivariada": https://www.youtube.com/playlist?list=PLvth1ZcREyK72M3lFl7kBaHiVh5W53mlR

CRUZ, C.D. and CARNEIRO, P.C.S. Modelos biometricos aplicados ao melhoramento genetico. 3nd Edition. Vicosa, UFV, v.2, 2014. 668p. (ISBN: 8572691510)

FERREIRA, D.F. Estatistica Multivariada. (2018) 3ed. UFLA. 624p. (ISBN 13:978 8581270630)

HAIR, J.F. Multivariate Data Analysis. (2016) 6ed. Pearson Prentice HalL. (ISBN 13:978 0138132637)

Examples

Run this code

 # \donttest{
#Sem repeticoes
data("Dados.MED")
Dados=Dados.MED
rownames(Dados)=paste("Genotipo",1:10,sep="_")
Kmeans_NumeroOtimo2(Dados,design=1,nboot=100,iter.max = 100,NumMax=NULL)

#Experimento em DIC
data("Dados.DIC")
Dados=Dados.DIC
Kmeans_NumeroOtimo2(Dados,design=2,Metodo = 2,nboot=100,iter.max = 100,NumMax=NULL)

#Experimento em DBC
data("Dados.DBC")
Dados=Dados.DBC
Kmeans_NumeroOtimo2(Dados,design=3,nboot=100,iter.max = 100,NumMax=NULL)

#Experimento em DQL
data("Dados.DQL")
Dados=Dados.DQL
Kmeans_NumeroOtimo2(Dados,design=4,nboot=100,iter.max = 100,NumMax=NULL)

#Experimento em fatorial no DIC
data("Dados.Fat2.DIC")
Dados=Dados.Fat2.DIC
Kmeans_NumeroOtimo2(Dados,design=5,Metodo = 1,nboot=100,iter.max = 100,NumMax=NULL)
Kmeans_NumeroOtimo2(Dados,design=5,Metodo =2,nboot=100,iter.max = 100,NumMax=NULL)
Kmeans_NumeroOtimo2(Dados,design=5,Metodo =3,nboot=100,iter.max = 100,NumMax=NULL)

#Experimento em fatorial no DBC
data("Dados.Fat2.DBC")
Dados=Dados.Fat2.DBC
Kmeans_NumeroOtimo2(Dados,design=5,Metodo = 1,nboot=100,iter.max = 100,NumMax=NULL)
Kmeans_NumeroOtimo2(Dados,design=5,Metodo =2,nboot=100,iter.max = 100,NumMax=NULL)
Kmeans_NumeroOtimo2(Dados,design=5,Metodo =3,nboot=100,iter.max = 100,NumMax=NULL)
# }