在 R 中，是不是有一种算法可以创建大小大致相等的集群

Posted 2023-03-12

【中文标题】在 R 中，是不是有一种算法可以创建大小大致相等的集群

【英文标题】：In R, is there an algorithm to create approximately equal sized clusters在 R 中，是否有一种算法可以创建大小大致相等的集群

【发布时间】：2015-03-04 11:45:30

【问题描述】：

似乎有很多关于创建分层或 k-means 集群的信息。但我想知道 R 中是否有一个解决方案可以创建大约相等大小的 K 个集群。有一些关于在其他语言中执行此操作的内容，但我无法通过互联网搜索找到任何建议如何在 R 中实现结果的内容。

一个例子是

set.seed(123)
df <- matrix(rnorm(100*5), nrow=100)
km <- kmeans(df, 10)
print(sapply(1:10, function(n) sum(km$cluster==n)))

导致

[1] 14 12  4 13 16  6  8  7 13  7

我最希望看到

[1] 10 10 10 10 10 10 10 10 10 10 

【问题讨论】：

我所能做的就是将您推荐给cran.r-project.org/web/views/Cluster.html，以获取与集群相关的软件包的完整列表。不过，我希望熟悉这个问题的人能给你一个特别的建议。

我相信 Ward 集群会产生更相等大小的集群。尝试使用hclust(d, method="ward.D") 或hclust(d, method="ward.D2")

谢谢你和 jaysunice。 Jaysunice，我明天会调查的。

我已经编辑了我的问题，但我不太清楚为什么我被搁置，除非我明白我隐含地打破了上面的“要求工具或软件库”部分。但是，如果是这种情况，所有 R 问题中有一半都在做同样的事情。如何要求可能在某个库中或可能不在某个库中的特定类型的聚类，与要求转换日期的函数或执行特定类型的图表（这将需要一个库）或组合两个表（需要一个图书馆），除了我的问题需要一些难以搜索的知识水平

【参考方案1】：

我认为你不应该，首先。为什么？当您的数据中存在自然格式良好的集群时，例如，

plot(matrix(c(sample(1:10,10),sample(30:40, 7), sample(80:90,9)), ncol=2, byrow = F))

那么这些无论如何都会聚集在一起（假设 k 等于簇的自然 n；请参阅this comprehensive answer 了解如何选择好的 k）。如果它们的大小一致，那么您将拥有 ~ 大小相等的集群；如果不是，那么强制使用统一的集群大小肯定会降低集群解决方案的适应度。 如果您的数据中没有自然漂亮的集群，例如，

plot(matrix(c(sample(1:100, 100), ncol=2)))

然后强制集群大小将是冗余的（如果数据是完全随机的，集群大小将是〜相等的 - 但无论如何集群没有多大意义），或者如果那里有一些不错的集群，例如，

plot(matrix(c(sample(1:15,15),sample(20:100, 11)), ncol=2, byrow = T))

那么强制大小几乎肯定会破坏它们。

但是，JasonAizkalns 在 cmets 中提到的 Ward 方法会为您提供比单链接更多“圆形”形状的集群，因此这可能是一种可行的方法（参见 help(hclust) 之间的区别D和D2，不是任意的）。

【讨论】：

(-1) 不回答问题。假设您有来自 n 个混合信号的数据，平均采样 m 次。人们可能希望将数据聚集成 n 个大小相等的集群。

【参考方案2】：

不完全清楚你在问什么，但在 R 中生成随机数据非常容易。如果你的数据集有两个维度，你可以做这样的事情 -

cluster1 = data.frame(x = rnorm(100, mean=5,sd=1), y  = rnorm(100, mean=5,sd=1))
cluster2 = data.frame(x = rnorm(100, mean=15,sd=1), y  = rnorm(100, mean=15,sd=1))

这会为每个集群中的 100 个数据点生成跨 x 和 y 的正态分布随机数据。

然后查看它-

plot(cluster1, xlim = c(0,25), ylim = c(0,25))
lines(cluster2, type = "p")!

【讨论】：

我想你不知道什么是聚类分析。想象一下有 200 个点的数据，OP 想要一个将这些点标记为两个集群的过程，每个集群有 100 个。

我愿意...我以为他想生成数据然后出于任何原因进行聚类分析。