如何解释 R kmeans 函数的结果？

Posted 2023-03-12

【中文标题】如何解释 R kmeans 函数的结果？

【英文标题】：How can I interpret the results of R kmeans function?

【发布时间】：2016-01-11 09:05:41

【问题描述】：

我有一大组数据，其中包含 81432 幅图像的描述。这些描述是由一个图像描述符生成的，该描述符生成一个具有 127 个位置的向量（对于每个图像）。所以，我有一个 81432 行 127 列的矩阵。

我正在从 R 运行 kmeans，但我只是不知道如何解释结果。我已经设置了一些集群，算法运行了，那又怎样？我想绘制肘部规则，但我什至不知道该怎么做。

【问题讨论】：

请阅读how to create a reproducible example。包括一些样本数据，并准确描述您希望您的情节是什么样的。如果您只是在寻找可视化建议，那么这真的不是一个编程问题，可能更适合 Cross Validated 而不是 Stack Overflow。

感谢@MrFlick 的解释。实际上，我真的不知道我在寻找什么样的可视化（可能类似于散点图）。我也把这个问题放在了 Cross Validated 上。

【参考方案1】：

使用 Kmeans 和主成分分析分析和可视化数据集的示例代码 sn-p：

library(calibrate)
library(plyr)
library(gclus)
library(scatterplot3d)
library(cluster)
library(fpc)
library(mclust)
library(rpanel)
library(rgl)
library(lattice)
library(tm);
library(RColorBrewer) 



#Read data
mydata <- read.table(file="c:/data.mtx", header=TRUE, row.names=1, sep="");

# Lets look at the correlations
mydata.cor = abs(cor(scale(mydata)))
mydata.cor[,1:2]

#lets look at the data in interactive 3D plot before PCA
rp.plot3d(mydata[,1],mydata[,2], mydata[,3])

# Doing the PCA 
mydata.pca<- prcomp(mydata, retx=TRUE, center=TRUE, scale=TRUE);
summary(mydata.pca)
#3D plot of first three PCs
rp.plot3d(mydata.pca$x[,1],mydata.pca$x[,2],mydata.pca$x[,3])


#Eigenvalues of components for Kaiser Criterion
mydata.pca$sdev ^2


#scree test for determining optimal number of PCs (Elbow rule)
par(mfrow=c(1,2))
screeplot(mydata.pca,main="Scree Plot",xlab="Components")
screeplot(mydata.pca,type="line",main="Scree Plot")

#Scores
scores = mydata.pca$x
##  Plot of the scores, with the axes
pdf("scores.pdf")
plot (scores[,1], scores[,2], xlab="Scores 1", ylab="Scores 2")
text (x=scores[,1], y=scores[,2], labels=row.names (scores), cex=c(0.4,0.4), col = "blue")
lines(c(-5,5),c(0,0),lty=2)  ##  Draw the horizontal axis
lines(c(0,0),c(-4,3),lty=2)  ##  Draw the vertical axis
dev.off() 

#finding possible number of clusters in Kmeans
wss <- (nrow(scale(mydata))-1)*sum(apply(scale(mydata),2,var)); 
for (i in 2:20) wss[i] <- sum(kmeans(scale(mydata),centers=i)$withinss);
plot(1:20, wss, type="b", xlab="Number of Clusters",  ylab="Within groups sum of squares");

#Performing K-Means and visualizing the result
km1<-kmeans(scores[,1:2], algorithm = "Hartigan-Wong", centers=4)   
#par(mfrow = c(1, 1))
pdf("km.pdf")
plot(scores[,1:2], col = km1$cluster);
points(km1$centers, col = 1:5, pch = 8, cex=2);
scatterplot3d(km1$centers, pch=20, highlight.3d = TRUE, type="h");
# getting cluster means 
aggregate(scores[,1:2],by=list(km1$cluster),FUN=mean);
# appending cluster assignment
clustercounts <- data.frame(scores[,1:2], km1$cluster);
#Cluster Plot against 1st 2 principal components
clusplot(scores[,1:2], km1$cluster, color=TRUE, shade=TRUE, labels=2, lines=0, cex=c(0.2,0.2));
dev.off()

【讨论】：

这个答案没有帮助，因为我们大多数人可能没有"c:/data.mtx"坐在我们的机器上

@SeñorO 这个问题没有帮助，因为它不包含可重复的数据集

@C8H10N4O2 好的，你想让我怎么做？

@C8H10N4O2 所以你要求人们否决我的问题，只是因为我没有提供可重复的数据集？我怎样才能在这里给你一个 20MB 的文件？

@VictorLeal 如果您要让人们完成回答您问题的工作，请完成制作能代表您的问题的最佳可重复数据集的工作。很多时候，只要这样做，你就会比得到答案学到的更多（我说的是个人经验）

【参考方案2】：

要绘制肘部规则（关于点与其质心的距离），我们必须使用tot.withinss（簇内总平方和）。

这个答案是关于 R 的使用。