时间戳

首页 > 解决方案 > R中聚类中心与异常值之间的距离

r - R中聚类中心与异常值之间的距离

问题描述

我已经用 R（基于 kmeans）构建了一个集群模型，并希望通过找到异常值与集群中心之间的最小距离来对异常值进行分类。我要使用的数据框如下所示：

DF_OUTLIERS

[Product]  [Sales] [Usage]
1   100 1000   
2   200 2000  
3   300 3000  
4   200 4000   
5   100 5000

DF_CLUSTER

[Cluster] [Center_Sales] [Center_Usage]
1    120        1500  
2    220        2400 
3    150        3900    
4    140        4900

目标表应如下所示：

[Product]   [Sales]     [Usage]     [Cluster] 
1       100     1000        ???
2       200     2000        ???
3       300     3000        ???
4       200     4000        ???
5       100     5000        ???

要计算距离，我想使用欧几里得距离的标准公式：

sqrt((Sales -  Center_Sales)^2 + (Usage -  Center_Usage)^2))

我最大的问题是开发一个函数，它可以为每一行找到所有集群中的最小值，而无需为每个集群添加一个新列到目标 df。我想对于一个经验丰富的程序员来说，这是一项容易的任务，但我是 R 的绝对初学者，不知道如何解决这个问题。

标签： rcluster-analysis

解决方案

在这种情况下，有一个方便的which.min功能很有用。

outliers<-read.table(header=TRUE, text="Product  Sales Usage
1   100 1000   
2   200 2000  
3   300 3000  
4   200 4000   
5   100 5000")

clusters<-read.table(header=TRUE, text="Cluster Center_Sales Center_Usage
1    120        1500  
2    220        2400 
3    150        3900    
4    140        4900")

answer<-sapply(1:nrow(outliers), function(x) {
  #find the distance for the outlier to every cluster
  distance<-sqrt((outliers$Sales[x] -  clusters$Center_Sales)^2 + 
                   (outliers$Usage[x] -  clusters$Center_Usage)^2)
  #find the index of the shortest distance and return
  which.min(distance)
})

answer
#[1] 1 2 2 3 4
outliers$cluster<-answer

只要异常值和聚类的数量合理，就应该具有良好的性能。

推荐阅读