在 R 中使用高尔距离进行聚类
Clustering using gower distance in R
我有一个包含分类变量和数字变量的数据框。我想使用 gower 距离对这些数据进行聚类，并将聚类值作为 kmeans 函数中的向量。我怎样才能做到这一点？
您可以使用 vegan 包生成您的 gower 矩阵，然后使用 cluster 包创建您的集群。
gow.mat <- vegdist(dataframe, method="gower")
然后您可以将该矩阵输入到 PAM 函数中。下面的示例将使用 gower 距离生成 5 个簇
clusters <- pam(x = gow.mat, k = 5, diss = TRUE)
然后您可以从
获取集群信息
clusters$clustering
如果您不想坚持使用 Gower 距离，可以使用 clustMixType 中的 kproto() 函数。 kproto中的距离度量类似于高尔距离，只是kproto使用欧氏距离来度量数值变量之间的相异性；然而，Gower 距离标准化每个变量（将两个观察值之间的距离除以该变量的范围）。代码很简单。
kproto_clustering <- kproto(df, k) # k is number of cluster
clusters <- kproto_clustering$cluster
我有一个包含分类变量和数字变量的数据框。我想使用 gower 距离对这些数据进行聚类，并将聚类值作为 kmeans 函数中的向量。我怎样才能做到这一点？
您可以使用 vegan 包生成您的 gower 矩阵，然后使用 cluster 包创建您的集群。
gow.mat <- vegdist(dataframe, method="gower")
然后您可以将该矩阵输入到 PAM 函数中。下面的示例将使用 gower 距离生成 5 个簇
clusters <- pam(x = gow.mat, k = 5, diss = TRUE)
然后您可以从
获取集群信息clusters$clustering
如果您不想坚持使用 Gower 距离，可以使用 clustMixType 中的 kproto() 函数。 kproto中的距离度量类似于高尔距离，只是kproto使用欧氏距离来度量数值变量之间的相异性；然而，Gower 距离标准化每个变量（将两个观察值之间的距离除以该变量的范围）。代码很简单。
kproto_clustering <- kproto(df, k) # k is number of cluster
clusters <- kproto_clustering$cluster