使用 R 总结集群中的变量变化（k 均值）

Question

我有一个 df，是在我的原始数据集上实施 k-means 聚类后得到的。我这里有 4 个不同的集群，我想知道每个集群中 4 个变量（V1 到 V4）的变化有多大。换句话说，这 4 个变量的什么变化导致集群被分离。

fit <- kmeans(df, 4, iter.max=1000, nstart=25)
palette(alpha(brewer.pal(9,'Set1'), 0.5))
plot(df, col=fit$clust, pch=16)
aggregate(df, by=list(fit$cluster), FUN=mean)
clust.out <- fit$cluster
df1 <- data.frame(df, fit$cluster)

这是我在 k-means 之后的 df1

+-------+-------+-------+--------+--------+-------------+
|  ID   |  V1   |  V2   |   V3   |   V4   | fit.cluster |
+-------+-------+-------+--------+--------+-------------+
| DJ123 | 0.5   | 0.7   | -0.4   | -0.1   |           1 |
| DJ123 | 0.46  | 0.68  | -0.39  | -0.09  |           1 |
| DJ123 | 0.77  | 0.9   | -0.4   | -0.4   |           2 |
| DJ123 | 11.23 | 11.11 | -11.21 | -11.21 |           4 |
| DJ123 | 1.5   | 1.7   | -1.4   | -5.1   |           3 |
| DJ123 | 0.76  | 0.9   | -0.4   | -0.4   |           2 |
| DJ123 | 1.5   | 2.7   | -1.4   | -4.1   |           3 |
+-------+-------+-------+--------+--------+-------------+

能否请您提供一个示例代码来获取集群内的汇总统计信息？我希望我的问题很清楚。

Answer 1

您可以使用 plyr 中的 ddply 轻松完成此操作。

library(plyr)
ddply(df,.(cluster),summarise,variance1 = var(V1),variance2 = var(V2),mean1 = mean(V1),...)

你也可以这样做，

ddply(df,.(cluster),function(x){
  res = c(as.numeric(colwise(var)(x)),as.numeric(colwise(mean)(x)))
  names(res) = paste0(rep(c('Var','Mean'),each = 4),rep(1:4,2))
  res
})

使用 R 总结集群中的变量变化（k 均值）

Summarize variable variations in clusters (k-means) using R

r

cluster-analysis

k-means