K-均值聚类方法

Question

Description of the data 我正在尝试在 R 中生成一个合适的聚类均值图形显示。

如何将属性放在 x-axis 上并将每个集群的 means 视为项目的轨迹？

所有数据都是连续的。

Answer 1

以下方法如何：由于您的变量在相似的测量尺度（例如李克特尺度）上，您可以显示每个变量在每个聚类中的分布（例如使用箱线图）并通过使用相同的方法直观地比较它们的分布每个集群的轴限制。

这可以通过将数据置于合适的格式并使用 ggplot2 包生成绘图来实现。如下所示。

第 1 步：生成模拟数据以模仿您拥有的数值数据

生成的数据包含四个非负整数变量和一个具有 3 个簇的簇变量。

library(ggplot2)
    
set.seed(1717)    # make the simulated data repeatable
N = 100
nclusters = 3
cluster = as.numeric( cut(rnorm(N), breaks=nclusters, label=seq_len(nclusters)) )
df = data.frame(cluster=cluster,
                x1=floor(cluster + runif(N)*5),
                x2=floor(runif(N)*5),
                x3=floor((nclusters-cluster) + runif(N)*5),
                x4=floor(cluster + runif(N)*5))
df$cluster = factor(df$cluster)  # define cluster as factor to ease plotting code below
tail(df)
table(df$cluster)

其输出是：

    cluster x1 x2 x3 x4
95        2  5  2  5  2
96        3  5  4  0  3
97        3  3  3  1  7
98        2  5  4  3  3
99        3  6  1  1  7
100       3  5  1  2  5

 1  2  3 
15 64 21

即，在 100 个模拟案例中，数据包含集群 1 中的 15 个案例、集群 2 中的 64 个案例和集群 3 中的 21 个案例。

第 2 步：准备绘图数据

这里我们使用 stats 包中的 reshape() 将数据集从宽转换为长，以便四个数字变量 (x1、x2、x3, x4) 被放入单列，适用于为四个变量中的每一个生成一个箱线图，然后按聚类变量分组。

vars2transpose = c("x1", "x2","x3", "x4")
df.long = reshape(df, direction="long", idvar="id",
                  varying=list(vars2transpose),
                  timevar="var", times=vars2transpose, v.names="value")
head(df.long)
table(df.long$cluster)

其输出是：

     cluster var value id
1.x1       1  x1     5  1
2.x1       1  x1     3  2
3.x1       3  x1     5  3
4.x1       1  x1     1  4
5.x1       2  x1     3  5
6.x1       1  x1     2  6

  1   2   3 
 60 256  84

请注意，由于数据现在采用转置长格式，因此每个集群中的案例数量增加了 4 倍（即数字变量的数量）。

第 3 步：使用线连接方式按聚类创建变量的箱线图

我们为每个变量 x1、x2、x3、x4 绘制水平箱线图，显示它们在每个集群中的分布，并用连接标记平均值红色十字（您所追求的轨迹）。

gg <- ggplot(df.long, aes(x=var, y=value))
gg + facet_grid(cluster ~ ., labeller=label_both) +
     geom_boxplot(aes(fill=cluster)) +
     stat_summary(fun.y="mean", geom="point", color="red", pch="x", size=3) +
     stat_summary(fun.y="mean", geom="line", color="red", aes(group=1)) +
     coord_flip()  # swap the x and y axis to make boxplots horizontal instead of vertical

生成下图。

该图表可能包含您拥有的许多变量，因此您可能需要：

要么通过删除最后 coord_flip() 行来显示垂直箱线图
或者完全删除箱线图，只显示通过删除 geom_boxplot() 线连接的红色十字。

如果你想在不同的集群中并排比较每个变量，你可以交换分组和 x 轴变量，如下所示：

gg <- ggplot(df.long, aes(x=cluster, y=value))
gg + facet_grid(var ~ ., labeller=label_both) +
  geom_boxplot(aes(group=cluster, fill=cluster)) +
  stat_summary(fun.y="mean", geom="point", color="red", pch="x", size=3) +
  stat_summary(fun.y="mean", geom="line", color="red", aes(group=1)) +
  coord_flip()  # swap the x and y axis to make boxplots horizontal instead of vertical

K-均值聚类方法

K-Means Clustering Method

r

k-means

第 1 步：生成模拟数据以模仿您拥有的数值数据

第 2 步：准备绘图数据

第 3 步：使用线连接方式按聚类创建变量的箱线图