时间戳

首页 > 解决方案 > 如何确定使用 R 进行 kamila 聚类的最佳聚类数？

r - 如何确定使用 R 进行 kamila 聚类的最佳聚类数？

问题描述

我有一个混合类型的数据集，所以我想尝试kamila聚类。应用它很容易，但我想要一个类似于膝盖图的图来决定集群的数量。

data <- read.csv("binarymat.csv",header=FALSE,sep=";")
conInd <- c(9)
conVars <- data[,conInd]
conVars <- data.frame(scale(conVars))
catVarsFac <- data[,c(1,2,3,4,5,6,7,8)]
catVarsFac[] <- lapply(catVarsFac, factor)
catVarsDum <- dummyCodeFactorDf(catVarsFac)
kamRes <- kamila(conVars, catVarsFac, numClust=5, numInit=10,
            calcNumClust = "ps",numPredStrCvRun = 10, predStrThresh = 0.5)
summary(kamRes)

它说最好的集群数是 5。它是如何决定的，我可以看到一个表明这一点的图吗？

标签： rcluster-analysismixed-type

解决方案

在kamila包文档中

将 calcNumClust 设置为 'ps' 使用 Tibshirani & Walther (J. of Comp. and Graphical Stats. 14(3), 2005) 的预测强度方法。估计聚类数量没有完美的方法；与大样本量的基于 BIC 的方法相比，PS 倾向于给出更小的数字。

在这种情况下，您正在使用它，您只为 指定了一个值numClust。所以，看起来你实际上并没有选择集群的数量——你已经选择了一个。

要选择聚类数，您必须指定您感兴趣的范围，例如，numClust = 2 : 7选择聚类数的方法。

如果您还想选择集群的数量，类似以下的方法可能会起作用。

kamRes <- kamila(conVars, catVarsFac, numClust = 2 : 7, numInit = 10, 
          calcNumClust = "ps", numPredStrCvRun = 10, predStrThresh = 0.5)

关于选择集群数量的信息现在出现在 中 kamRes$nClust，并且plot(2:7, kamRes$nClust$psValues)可能是您所追求的。

推荐阅读