MINI MINI MANI MO

Path : /opt/oracle/product/18c/dbhomeXE/R/library/OREpredict/doc/man/it/
File Upload :
Current File : //opt/oracle/product/18c/dbhomeXE/R/library/OREpredict/doc/man/it/ore.predict-kmeans.Rd

%
% Copyright (c) 2012, 2014, Oracle and/or its affiliates. All rights reserved. 
%
\name{ore.predict-kmeans}
\alias{ore.predict-kmeans}
\alias{ore.predict,kmeans-method}
\title{
Oracle R Enterprise - Previsioni mediante i modelli \code{\link[stats]{kmeans}}
}
\description{
Metodo di Oracle R Enterprise per la generazione delle previsioni
  mediante i modelli \code{\link[stats]{kmeans}}.
}
\usage{
  \S4method{ore.predict}{kmeans}(object, newdata, type = c("classes", "distances"),
            na.action = na.pass, ...)
}
\arguments{
  \item{object}{
Oggetto di modello \code{\link[stats]{kmeans}}.
}
  \item{newdata}{
Oggetto
    \code{\link[OREbase:ore.frame-class]{ore.frame}}.
}
  \item{type}{
Stringa di caratteri che specifica il tipo di previsione da
    generare; \code{"classes"} (ID cluster) o \code{"distances"}
    (distanza euclidea dai centri dei cluster).
}
  \item{na.action}{
Modalità di gestione dei valori \code{NA},
    \code{na.omit} o \code{na.pass}.
}
  \item{\dots}{
Argomenti facoltativi.
}
}

\value{
Se l'argomento \code{type} è \code{"classes"}, viene restituito
  un oggetto \code{\link[OREbase:ore.integer-class]{ore.integer}} delle
  classificazioni cluster.
  Se l'argomento \code{type} è \code{"distances"}, viene restituito
  un oggetto \code{\link[OREbase:ore.frame-class]{ore.frame}} con una colonna
  per ogni cluster.
}
\references{
  \href{http://www.oracle.com/technetwork/database/database-technologies/r/r-enterprise/documentation/index.html}{Oracle R Enterprise}
}
\author{
  Oracle \email{oracle-r-enterprise@oracle.com}
}
\seealso{
  \code{\link{ore.predict}},
  \code{\link{ore.predict-matrix}},
  \code{\link[stats]{kmeans}}.
}
\examples{
irisClusters <- kmeans(as.matrix(iris[1:4]), centers = 3)
IRIS <- ore.push(iris)
IRIS$CLUSTER <- ore.predict(irisClusters, IRIS)
IRIS <- cbind(IRIS, ore.predict(irisClusters, IRIS, type = "distances"))
head(IRIS)
table(IRIS$CLUSTER, IRIS$Species)
}
\keyword{multivariate}
\keyword{cluster}

OHA YOOOO