检索 R 中的最佳聚类数

Posted 2023-03-12

【中文标题】检索 R 中的最佳聚类数

【英文标题】：Retrieving the optimal number of clusters in R

【发布时间】：2014-07-04 22:08:02

【问题描述】：

我有数据，我想根据 Gap 统计量评估最佳聚类数。

我在 r 中阅读了gap statistic 上的页面，其中给出了以下示例：

gs.pam.RU <- clusGap(ruspini, FUN = pam1, K.max = 8, B = 500)
gs.pam.RU

当我打电话给gs.pam.RU.Tab时，我得到了

Clustering Gap statistic ["clusGap"].
B=500 simulated reference sets, k = 1..8
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
         logW   E.logW         gap     SE.sim
[1,] 7.187997 7.135307 -0.05268985 0.03729363
[2,] 6.628498 6.782815  0.15431689 0.04060489
[3,] 6.261660 6.569910  0.30825062 0.04296625
[4,] 5.692736 6.384584  0.69184777 0.04346588
[5,] 5.580999 6.238587  0.65758835 0.04245465
[6,] 5.500583 6.119701  0.61911779 0.04336084
[7,] 5.394195 6.016255  0.62205988 0.04243363
[8,] 5.320052 5.921086  0.60103416 0.04233645

我想从中检索集群的数量。但是，与可以轻松获取此数字的 pamk 函数相反，我找不到使用 clusGap 获取此数字的方法。

然后我尝试使用 maxSE 函数，但我不知道参数 f 和 SE.f 代表什么或如何从数据矩阵中获取它们。

有什么简单的方法来检索这个最佳数量的集群吗？

【参考方案1】：

答案在输出中：

...
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
...

这是产生最大值gap（位于表的第 4 行）的集群数。

maxSE(...) 的参数分别是 gap 和 SE.sim：

with(gs.pam.RU,maxSE(Tab[,"gap"],Tab[,"SE.sim"]))
# [1] 4

绘制gap 有时很有用，可以查看聚类选项的区分程度：

plot(gs.pam.RU)
gap.range <- range(gs.pam.RU$Tab[,"gap"])
lines(rep(which.max(gs.pam.RU$Tab[,"gap"]),2),gap.range, col="blue", lty=2)