免费网站备案,俄罗斯网站制作,高端网站建设哪家公司好,网站建设过程规划和准备阶段轮廓系数越大#xff0c;表示簇内实例之间紧凑#xff0c;簇间距离大#xff0c;这正是聚类的标准概念。
簇内的样本应该尽可能相似。不同簇之间应该尽可能不相似。
目的#xff1a;鸢尾花数据进行kmeans聚类#xff0c;最佳聚类个数是多少#xff1f;
plot(iris[,1:4…轮廓系数越大表示簇内实例之间紧凑簇间距离大这正是聚类的标准概念。
簇内的样本应该尽可能相似。不同簇之间应该尽可能不相似。
目的鸢尾花数据进行kmeans聚类最佳聚类个数是多少
plot(iris[,1:4], coliris$Species)
1. 标准化很重要
假设已经知道最佳是3类
使用原始数据做kmeans和原始标签不一致的很多。如果做了标准化kmeans的分类结果和原始标签一模一样。
(1). raw dat (错了好多)
datiris[, 1:4]
rownames(dat) paste0(obs, 1:nrow(dat))
dat[1:3,]km_model - kmeans( dat, centers 3)# 获取分类结果
predictions - km_model$cluster
table(predictions)dat$originiris$Species
dat$predpredictionstable(dat$origin, dat$pred)
# 1 2 3
#setosa 0 0 50
#versicolor 48 2 0
#virginica 14 36 0plot(dat$Sepal.Length, dat$Sepal.Width, coldat$origin, pch19)
plot(dat$Sepal.Length, dat$Sepal.Width, coldat$pred, pch19)(2). normalized dat (几乎全对)
datiris[, 1:4]
rownames(dat) paste0(obs, 1:nrow(dat))
dat[1:3,]datapply(dat, 1, function(x){x/sum(x) * 1e4
}) | t() | as.data.frame()
head(dat)# 行作为观测值
km_model - kmeans( dat, centers 3)# 获取分类结果
predictions - km_model$cluster
table(predictions)dat$originiris$Species
dat$predpredictionstable(dat$origin, dat$pred)
# 1 2 3
#setosa 50 0 0
#versicolor 0 45 5
#virginica 0 0 502. 最佳分类数
(0) 预处理
datiris[, 1:4]
rownames(dat) paste0(obs, 1:nrow(dat))
dat[1:3,]datapply(dat, 1, function(x){x/sum(x) * 1e4
}) | t() | as.data.frame()
head(dat)(1) factoextra - silhouette: n2
library(factoextra)
tmp factoextra::fviz_nbclust( dat, kmeans, method silhouette)
#str(tmp)
tmp #图# fviz_nbclust(dat, kmeans, method silhouette, k.max 20)(2) 碎石图: n2
# 在一个循环中进行15次的kmeans聚类分析
{
totalwSSvector(mode numeric, 15)
for (i in 1:15){t1 kmeans(dat, i)totalwSS[i] - t1$tot.withinss
}
# 聚类碎石图 - 使用plot函数绘制total_wss与no-of-clusters的数值。
plot(x1:15, # x 类数量, 1 to 15totalwSS, #每个类的total_wss值colnavy, lwd2,typeb # 绘制两点并将它们连接起来
)
}(3) silhouette 画图: n2?
逐个画:
# 逐个画轮廓系数
library(cluster)
dis dist(dat) #行之间的距离
#
n3
kclu - kmeans(dat, centers 3, nstart25)
kclu.silsortSilhouette( silhouette(kclu$cluster, dist dis) )
plot(kclu.sil, col 1:n, #c(red, orange, blue), main)#
n4
#library(cluster)
#dis dist(dat) #行之间的距离
kclu - kmeans(dat, centers n, nstart25)
kclu.silsortSilhouette( silhouette(kclu$cluster, dist dis) )
plot(kclu.sil, col 1:n, # c(red, orange, blue), main)
#
#
n8
#library(cluster)
#dis dist(dat) #行之间的距离
kclu - kmeans(dat, centers n, nstart25)
kclu.silsortSilhouette( silhouette(kclu$cluster, dist dis) )
plot(kclu.sil, col 1:n, # c(red, orange, blue), main)
#批量计算
silhouette_score - function(k){km - kmeans(dat, centers k, nstart25)ss - silhouette(km$cluster, dist(dat))mean(ss[, 3])
}
k - 2:15
avg_sil - sapply(k, silhouette_score)
plot(k, avg_sil, typeb,xlabNumber of clusters, ylabAverage Silhouette Scores, frameFALSE)最大是2其次是3类。
根据本文图1忽略颜色只看数值分布确实最佳是2类。
用标准化后的数据呢 plot(dat, coliris$Species, mainNormalized data)
plot(dat,mainNormalized data)
结论不变如果忽略颜色依旧是很清晰的2类。
(4) pam 是一种更稳定的 kmeans
Partitioning Around Medoids: Partitioning (clustering) of the data into k clusters “around medoids”, a more robust version of K-means.
# 最佳分类数
Kssapply(2:15, function(i){summary(silhouette(pam(dat, ki)))$avg.width
})
plot(2:15,Ks,xlabk,ylabav. silhouette,typeb, pch19)效果
t1pam(dat, k3)table(t1$clustering, iris$Species) setosa versicolor virginica1 50 0 02 0 44 03 0 6 50
还是有几个错的。End
