时间戳

首页 > 解决方案 > 在进行 PCA 和聚类分析时保持与观察相关的变量分组的实用方法

r - 在进行 PCA 和聚类分析时保持与观察相关的变量分组的实用方法

问题描述

考虑这里创建的数据框data：

set.seed(123)
data <- data.frame(State =rep(c("NY","MA","FL","GA"), each = 100),
                   Loc = rep(letters[1:20], each = 20),
                   ID = sample(600,400,replace = F),
                   var1 = rnorm(400),
                   var2 = rnorm(400),
                   var3 = rnorm(400),
                   var4 = rnorm(400),
                   var5 = rnorm(400))

var1:var5是对从列表示的各种位置随机抽样的个体进行的测量，该Loc列嵌套在较大的分组State中。每个人都有一个唯一的ID号码。请注意，这些ID数字没有特定的顺序，因此如果没有相关的分组变量，测量就相对没有意义。我正在使用FactoMineRandfactoextra包进行 PCA 和聚类分析。假设我做了一个 PCA 并决定我要保留前 3 个主成分（我将坐标存储在一个名为的对象中ind.cords：

library(FactoMineR)
library(factoextra)
pca<- PCA(data[,4:8], scale.unit = T, graph = F)
a <- get_pca_ind(pca)
ind.cords <- a$coord[,1:3]

接下来，我将完成确定最佳集群数量的初步步骤，我决定选择 5 个。我运行最终的 kmeans 来获得集群：

set.seed(123)
clustering <- kmeans(ind.cords, centers = 5, iter.max = 50, nstart = 25)
clustering

这是我遇到麻烦的地方：fviz_cluster()使绘制集群变得容易： fviz_cluster(clustering, geom = "point", data = ind.cords) + ggtitle("k = 5") 但我想使用两个分组变量来可视化哪些观察属于哪些集群。所以我需要将这些列用作标签。我可以回到我创建的位置ind.cords并将State Loc, 和ID列添加回它：ind.cords <- cbind(data[,1:3], ind.cors). 从这里我可以通过指定我想要对哪些列执行操作（例如，kmeans(ind.cords[,4:6]) 或者我可以创建一个名为的新对象，它只input包含数字列（例如，input <- ind.cords[,4:6]） ，但在任何一种情况下，我都无法弄清楚如何让fviz_函数通过State或标记观察结果Loc. 有人可以演示一种实用的方法来做到这一点或解释如何重组我进行此分析的方式，以便我可以可视化哪些观察和组在哪些集群中？最终（除非有人对可视化具有许多组的集群有更好的建议）我相信如果使用彩色文本而不是分组变量（State或Loc）的点，并且在要显示的点周围绘制椭圆，则可视化集群会更容易它们属于什么集群，所以这就是我在图中所拍摄的。

标签： rggplot2data-visualizationcluster-analysisk-means

解决方案

一种方法是仅在其上进行分层，因为我无法弄清楚在fviz_cluster(). 您可以调整 alpha 以便您可以识别它们。示例geom_point()

set.seed(123)
data <- data.frame(State =rep(c("NY","MA","FL","GA"), each = 100),
                   Loc = rep(letters[1:20], each = 20),
                   ID = sample(600,400,replace = F),
                   var1 = rnorm(400),
                   var2 = rnorm(400),
                   var3 = rnorm(400),
                   var4 = rnorm(400),
                   var5 = rnorm(400))

library(FactoMineR)
library(factoextra)

pca <- PCA(data[,4:8], scale.unit = T, graph = F)
a <- get_pca_ind(pca)
ind.cords <- a$coord[,1:3]
ind.cords <- cbind(data[,1:3], ind.cords)

clustering <- kmeans(ind.cords[,4:6], centers = 5, iter.max = 50, nstart = 25)

fviz_cluster(clustering, geom = "point", data = ind.cords[,4:6], shape = 16) + ggtitle("k = 5") +
  geom_point(aes(shape = ind.cords$State), alpha = 0.5)

您还可以使用geom_text()：


fviz_cluster(clustering, geom = "point", data = ind.cords[,4:6], shape = 16) + ggtitle("k = 5") +
  geom_text(aes(label = paste0(ind.cords$State, ":", ind.cords$Loc)), alpha = 0.5, size = 3, nudge_y = 0.1, show.legend = FALSE)

由reprex 包（v0.3.0）于 2020 年 6 月 8 日创建

编辑：设置geom = NULL也有效，因此您可以通过以下方式抑制geom_point()完成fviz_cluster()：


fviz_cluster(clustering, geom = NULL, data = ind.cords[,4:6], shape = 16) + ggtitle("k = 5") +
  geom_text(aes(label = paste0(ind.cords$State, ":", ind.cords$Loc)), size = 3, show.legend = FALSE)

编辑：集群的颜色也一样：


fviz_cluster(clustering, geom = NULL, data = ind.cords[,4:6]) + 
  ggtitle("k = 5") +
  geom_text(aes(label = paste0(ind.cords$State, ":", ind.cords$Loc),
                color = as.factor(clustering$cluster)),
            size = 3, show.legend = FALSE)

推荐阅读