代码之家 › 专栏 › 技术社区 › Jack Armstrong

R中的模糊C-均值聚类

cluster-analysis r

Jack Armstrong · 技术社区 · 7 年前

我正在对一些数据执行模糊聚类。我首先缩放数据帧,使每个变量的平均值为 0 及 1. clValid 来自包的函数详情如下:

library(dplyr)
df<-iris[,-5] # I do not use iris, but to make reproducible
clust<-sapply(df,scale)
intvalid <- clValid(clust, 2:10, clMethods=c("fanny"),
                validation="internal", maxitems = 1000)

结果告诉我4个是最好的聚类数。所以我就跑了 fanny 功能来自 cluster

res.fanny <- fanny(clust, 4, metric='SqEuclidean')
res.fanny$coeff
res.fanny$k.crisp
df$fuzzy<-res.fanny$clustering
profile<-ddply(df,.(fuzzy),summarize,
           count=length(fuzzy))

但是在看 profile ,我只有3个集群而不是4个。这怎么可能?我应该使用3个集群而不是4个集群吗?我该怎么解释呢?我不知道如何重新创建我的数据,因为它相当大。就像其他人以前遇到的那样?

2 回复 | 直到 7 年前

Ian Wesley 7 年前

membership .

memb.exp 参数使用iris数据集。以下是一个例子:

library(plyr)
library(clValid)
library(cluster)
df<-iris[,-5] # I do not use iris, but to make reproducible
clust<-sapply(df,scale)

res.fanny <- fanny(clust, 4, metric='SqEuclidean', memb.exp = 2)

res.fanny$k.crisp 显示这将生成4个清晰的簇。

res.fanny14 <- fanny(clust, 4, metric='SqEuclidean', memb.exp = 14)

res.fanny14$k.crisp 显示这将生成3个清晰的簇。

您仍然可以使用 res.fanny14$membership

如果你有一个很好的理由认为应该有4个脆簇,你可以减少参数这将收紧集群分配。或者,如果您正在进行某种监督学习,调整此参数的一个步骤是保留一些测试数据,进行超参数网格搜索,然后选择在首选指标上产生最佳结果的值。然而,如果不了解更多关于任务、数据或提问者试图完成的任务,就很难提出更多的建议。

paoloeusebi 7 年前

首先,我鼓励大家读一读这本书的精彩片段 clValid package . R包 clValid 包含用于验证聚类分析结果的函数。可用的集群验证度量主要有三种类型。其中一个指标是Dunn指数,即不在同一簇中的观测值与较大簇内距离之间的比率。为了简单起见,我关注Dunn索引。一般来说,应尽量减少连通性,同时应最大化Dunn指数和轮廓宽度。 clValid 创建者明确地引用 fanny cluster 在他们的文档中。

这个 clValid 包对于跨预先指定的集群集运行多个算法/度量非常有用。

library(dplyr)
library(clValid)
iris
table(iris$Species)
clust <- sapply(iris[, -5], scale)

在我的代码中,我需要增加迭代次数以达到收敛(maxit=1500)。结果是通过应用于clValid对象intvalid的summary函数获得的。看起来集群的最佳数量是2(但这里不是重点)。

 intvalid <- clValid(clust, 2:5, clMethods=c("fanny"), 
                    maxit = 1500,
                    validation="internal",
                    metric="euclidean")
 summary(intvalid)

任何方法的结果都可以从对象,以便使用 clusters 方法。这里提取了两个集群解决方案的结果( hc$ 2) ,重点是Dunnett系数( hc$ $coeff ). 当然,这一结果与该模型的“欧几里德”度量有关 clValid 呼叫

hc <- clusters(intvalid, "fanny")
hc$`2`$coeff

现在,我只是打电话 屁股 从…起 簇

res.fanny <- fanny(clust, 2, metric='euclidean', maxit = 1500)
res.fanny$coeff

现在,我们可以看看分类表

 table(hc$`2`$clustering, iris[,5])

    setosa versicolor virginica
  1     50          0         0
  2      0         50        50

和 profile

df$fuzzy <- hc$`2`$clustering
profile <- ddply(df,.(fuzzy), summarize,
               count=length(fuzzy))
profile
  fuzzy count
1     1    50
2     2   100