R- R 中的连续 K 均值聚类操作

Question

假设我们有一个 10x5 数据集，其中包含 10 个葡萄酒样本（行）的 5 个化学测量值（例如，var1、var2、var3、var4、var5）。我们想使用 k 均值聚类基于化学测量对葡萄酒样品进行聚类。这样做很容易。但是，我想执行连续聚类，首先使用单一化学测量值对葡萄酒样本进行聚类，然后使用 var1、var2、var3、var4 和 var5（所有一元、二元、三元、四元和五进制组合）。

换句话说，我有兴趣根据列中给出的所有可能的测量组合对葡萄酒样本进行聚类，这将导致总共 31 个聚类结果，例如，基于 (1)var1, ( 2)var2，(3)var3，(4)var4，(5)var5，(6)var1 和 var2，(7)var1 和 var3，...，(31)var1，var2，var3，var4 和 var5。

如何在 R 中创建这样的循环？

Answer 1

假设您有一个数据集：

set.seed(144)
dat <- matrix(rnorm(100), ncol=5)

现在您可以获得列的所有子集（由逻辑向量表示是否应该保留每一列），删除第一列（这会删除我们所有的列）。

(cols <- do.call(expand.grid, rep(list(c(F, T)), ncol(dat)))[-1,])
#     Var1  Var2  Var3  Var4  Var5
# 2   TRUE FALSE FALSE FALSE FALSE
# 3  FALSE  TRUE FALSE FALSE FALSE
# 4   TRUE  TRUE FALSE FALSE FALSE
# ...
# 31 FALSE  TRUE  TRUE  TRUE  TRUE
# 32  TRUE  TRUE  TRUE  TRUE  TRUE

最后一步是运行对列的每个子集进行 k 均值聚类，这是 apply 的简单应用（我假设您希望在每个模型中使用 3 个聚类):

mods <- apply(cols, 1, function(x) kmeans(dat[,x], 3))

您可以使用列表索引访问 31 个 k-means 模型中的每一个。例如：

mods[[1]]
# K-means clustering with 3 clusters of sizes 7, 5, 8
# 
# Cluster means:
#         [,1]
# 1 -1.4039782
# 2 -0.4215221
# 3  0.3227336
# 
# Clustering vector:
#  [1] 1 3 2 1 1 3 3 1 3 3 2 3 2 1 3 3 2 1 1 2
# 
# Within cluster sum of squares by cluster:
# [1] 0.4061644 0.1438443 0.7054191
#  (between_SS / total_SS =  89.9 %)
# 
# Available components:
# 
# [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"   
# [7] "size"         "iter"         "ifault"

Answer 2

# create a dummy matrix
dummy <- matrix(rnorm(10 * 5), 10, 5)

# create all the combinations of variables
combos <- lapply(1:5, function(x) t(combn(1:5, x)))    

# loop over the combination sets and fit a k-means with 2 clusters to each
kms <- lapply(combos, function(x) {
  lapply(1:nrow(x), function(y) {
    kmeans(dummy[,x[y,]], 2)
  })
})

> sapply(kms, length)
[1]  5 10 10  5  1

# access the results like so:
> kms[[1]][[1]]
K-means clustering with 2 clusters of sizes 3, 7
...

R- R 中的连续 K 均值聚类操作

R- Consecutive K-means clustering operations in R

loops

r

cluster-analysis

data-mining

k-means