R:除了nstart和iter.max的不同设置外，以k均值表示的相同群集
K均值（K-means）是一种常用的聚类算法，用于将数据集划分为K个不同的群集。除了nstart和iter.max的不同设置外，以K均值表示的相同群集还有其他一些特点和应用。
K均值的概念： K均值是一种迭代的、无监督的聚类算法，通过计算数据点之间的距离来将它们划分为K个不同的群集。每个群集由一个中心点（质心）来代表，算法的目标是最小化数据点与其所属群集中心点之间的距离。
K均值的分类： K均值算法属于划分聚类（Partitioning Clustering）方法，即将数据集划分为不相交的群集。与层次聚类（Hierarchical Clustering）和密度聚类（Density Clustering）等其他聚类方法不同。
K均值的优势：
- 简单而高效：K均值算法是一种简单而高效的聚类算法，适用于大规模数据集。
- 可解释性：K均值算法产生的群集结果相对容易解释和理解。
- 可扩展性：K均值算法可以扩展到高维数据集，并且在处理大规模数据时具有较好的可扩展性。
K均值的应用场景：
- 客户细分：通过对客户数据进行K均值聚类，可以将客户划分为不同的群集，从而实现精准的客户细分和个性化营销。
- 图像分割：K均值算法可以将图像中的像素点划分为不同的群集，用于图像分割和目标提取。
- 文本聚类：通过对文本数据进行K均值聚类，可以将相似主题或内容的文本归为一类，用于文本分类和信息检索。
腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多个与云计算相关的产品，以下是其中一些产品的介绍链接地址（请注意，这里只提供腾讯云的产品作为示例，其他云计算品牌商也提供类似的产品）：
- 云服务器（Elastic Compute Cloud，ECC）：https://cloud.tencent.com/product/cvm
- 云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
- 人工智能（AI）：https://cloud.tencent.com/product/ai
- 云存储（Cloud Object Storage，COS）：https://cloud.tencent.com/product/cos
- 云原生应用平台（Tencent Kubernetes Engine，TKE）：https://cloud.tencent.com/product/tke
请注意，以上链接仅供参考，具体产品选择应根据实际需求和情况进行评估和决策。
相关·内容
我正在做一些K均值聚类分析。示例：
library(tidyverse)
library(foreach)
my_diamonds <- diamonds %>% select_if(is.numeric) %>% scale %>% as.data.frame
try_centers <- seq(from = 3, to = 12, by = 1)
wss_list <- foreach(k = try_centers) %do% { # forget parallel processing with this size of data not en
浏览 3提问于2020-12-15得票数 1
回答已采纳
为什么我对kmeans()的iter.max和nstart使用(非常)不同的设置，却得到相同的集群
set.seed(1)
ff_1 <- kmeans(faithful, 2, iter.max = 1, nstart = 1)
set.seed(1)
ff_2 <- kmeans(faithful, 2, iter.max = 2, nstart = 1)
set.seed(1)
ff_300 <- kmeans(faithful, 2, iter.max = 300, nstart = 300)
identical(ff_1, ff_2) # TRUE
ident
浏览 1提问于2017-03-11得票数 2
回答已采纳
1回答
我使用的是K-mean alg。在R中，用来分隔变量。我想在我能够管理的ggplot中绘制结果，但是ggplot和cluster::clusplot中的结果似乎不同
所以我想问我遗漏了什么:例如，我知道缩放比例不同，但我想知道Whz，当使用clustplot时，所有变量都在界限内，而当使用ggplot时，则不在界限内。
这仅仅是因为缩放吗？
那么下面两个结果是完全相同的吗？
library(cluster)
library(ggfortify)
x <- rbind(matrix(rnorm(2000, sd = 123), ncol = 2),
matrix(
浏览 14提问于2019-11-28得票数 2
回答已采纳
1回答
我在R中有一个由2列组成的数据集，并试图使用kmeans对数据集进行聚类。我使用的命令是
kk <- kmeans(ageincome, center=4, iter.max=500, nstart=100)
当我绘制结果时，我从图中观察到的是，R只使用收入而不是年龄和收入来聚类数据集。我尝试了不同的algorithm、iter.max和nstart，但是R给出了相同的结果，无论我使用何种组合的参数。
有人能帮我吗？dput(年龄收入)可在上获得
浏览 1提问于2015-02-02得票数 0
回答已采纳
我目前正在对我公司的一些客户数据进行K均值聚类分析。我想要测量这个集群的性能，我只是不知道用来度量集群性能的库包，我也不确定集群是否太近了。
输入我的集群的数据是一个简单的RFM (最近、频率和货币价值)。我还包括了客户每笔交易的平均订单价值。我用弯头法来确定要使用的最优聚类数。数据由1400个客户和4个度量值组成。
附加的也是集群图的图像&R代码
drop = c('CUST_Business_NM')
#Cleaning & Scaling the Data
new_cluster_data = na.omit(data)
new_cluster_d
浏览 0提问于2020-04-11得票数 0
回答已采纳
3回答
我使用标准的stats包kmeans(dataset, centers = 100, nstart = 25, iter.max = 20)在R中对一个有636,688行和7列的数据集运行k-means聚类。
我得到了以下错误：Quick-TRANSfer stage steps exceeded maximum (= 31834400)，虽然可以在上查看代码-但我不确定哪里出了问题。我假设我的问题与我的数据集的大小有关，但如果有人能一劳永逸地澄清我可以做些什么来缓解这个问题，我将不胜感激。
浏览 327提问于2014-01-27得票数 40
回答已采纳
1回答
我想要进行K均值分析，在这里，我的一些变量应该被认为比其他变量更重要。我已经找到了kmeansw函数，但是在阅读了它的帮助之后，我有点困惑：
用法
kmeansW(x，心，权重= rep(1，nrow(x))，iter.max = 10，nstart = 1)参数
X
数字向量、矩阵或数据帧。
中心要么是集群的数量，要么是一组初始的(不同的)集群中心。如果是一个数字，则选择x中(不同的)行的随机集作为初始中心。
在默认情况下，x元素的权重相同。
iter.max允许的最大迭代次数。
如果中心是一个数字，应该选择多少个随机集？
我是否理解它衡量数据帧(行)的元素，而不是变量(列)的权重？
浏览 2提问于2017-09-14得票数 1
我已经从一个excel数据源运行了kmeans测试，现在我想在excel中得到结果。我尝试了下面的代码，但是我得到的只是一个空白的工作表。我对R比较陌生，所以我想我错过了一些简单的东西--请帮帮忙！ set.seed(123)
kmeansresults<-kmeans(df[,7], 5, iter.max = 50, nstart = 100)
x<-kmeansresults$clusters
write.csv(x, "clustering results.csv")
浏览 145提问于2020-08-26得票数 0
回答已采纳
我有一个数据集(经过规范化和预处理后)包含有5列和133763行的数据框架。
为了进行聚类，我尝试应用k均值算法和遗传算法。然而，我的问题是R studio一直在尝试进行计算，然后它抛出内存异常，尽管我使用的是mac 7，16 gb。
我的英雄主义聚类代码是：
dist.cards<-dist(cardsNorm)
就像我说的那样，跑步要花很长时间。但是，如果我这么做了
dist.cards<-dist(cardsNorm[1:10])
它工作得很好，这是因为我只用了10行。
这是我的代码：
cardsKMS<-kmeans(cardsNorm,centers=3,iter.
浏览 4提问于2015-06-15得票数 0
回答已采纳
1回答
我正在使用kmeans函数在R中执行K均值聚类。在缩放我的数据之后。在我得到集群之后，我要的不是单个的集群分配，而是每个点与它的集群中心的距离。这是我正在使用的代码。
data=read.csv("C:/Users/My_Folder/data.csv") # A data frame of 200 rows and 20 variables
traindata=data[,c(3,4)] # Features on which I want to do clustering
traindata=scale(traindata,center = T,scale=T) # Fea
浏览 0提问于2014-12-31得票数 1
回答已采纳
我在尝试构建模型的时候卡住了。我想按年将数据集freeny分类为10个子集。
data(freeny)
options(digits=2)
year<-as.integer(rownames(freeny))
freeny<-cbind(freeny,year)
freeny = freeny[sample(1:nrow(freeny),length(1:nrow(freeny))),1:ncol(freeny)]
freenyValues= freeny[,1:5]
freenyTargets=decodeClassLabels(freeny[,6])
freeny
浏览 0提问于2013-07-10得票数 1
1回答
这是通过k-means函数进行聚类分析的结果。
>weseg2<-read.csv("WE_SEG DATA.csv",header=TRUE)
>training.data2<-scale(weseg2)
>aaaa<-kmeans(training.data2, centers=4, iter.max=10000, nstart=20)
我想知道每个集群都有什么特征。所以我得到了每个变量的平均值。这是我的代码，用于计算变量的平均值。
第一个聚类的平均值
>rank1<-colMeans(training.data2[aaa
浏览 9提问于2017-01-12得票数 0
回答已采纳
1回答
我想知道其他人对K-means聚类排序做了什么。我正在制作热图(主要是数据)，并使用自定义热图函数(基于R的内置热图函数)获得漂亮的图形。然而，我想要两个改进。第一种是根据递减的平均值对我的集群进行排序。例如，以下代码：
fit = kmeans(data, 8, iter.max=50, nstart=10)
d = data.frame(data, symbol)
d = data.frame(d, fit$cluster)
d = d[order(d$fit.cluster),]
给我一个在集群列上排序的data.frame。什么是对行进行排序的最佳方法，以便8个集群按其各自的均值排序？
浏览 1提问于2011-01-25得票数 5
回答已采纳
很抱歉，这看起来很模糊，但我有一个数据集，其中包含100多列和大约10^6行，这些列具有我想要聚类的特征。使用
kmeans(dataframe, centers = 100,
nstart = 20,
iter.max = 30)
在i7-6700K上需要一个多小时。它不使用多核，所以这是可以做的事情吗？
谢谢!
浏览 0提问于2017-11-11得票数 6
我有一个客户数据集，其中混合了连续变量和分类变量，并希望将客户分组。我第一次尝试使用k prototype，但是我如何才能得到一个很好的，类似于kmeans的cusplot的可视化表示呢？
install.packages("clustMixType")
library(clustMixType)
data = read.csv("customerdata.csv", header = TRUE)
kproto = kproto(data, k=5, lambda = NULL, iter.max = 100, nstart = 1,
keep.data
浏览 0提问于2018-04-07得票数 2
我刚刚开始使用R，我需要在由K-均值对2到20个集群的数据进行聚类所提供的簇方差内绘制。
这是我的代码：
w <- numeric(20)
for (k in 2:20) {
kf <- kmeans(whs2018annexBdatscl,k,nstart=100)
w[k] <- kf$tot.withinss
}
plot(2:20,w,type = "b", lwd= 2, pch= 19, xlab="K", ylab = expression(SS[within]))
我得到了下面的错误代码：xy.coords错误(x，y，xlab
浏览 2提问于2021-04-09得票数 0
我对主题模型还是个新手。我有两个文档语料库，想要比较相同主题在不同语料库中出现的频率。我在两个语料库的文档组合样本上运行了一个具有40个主题的主题模型。现在，我想保存模型并为两个语料库分别运行它。我正在使用topic models包，并认为我必须填写save =1(见下文)，但不确定。有人知道怎么做吗？
control_LDA_VEM <-
+ list(estimate.alpha = TRUE, alpha = 50/k, estimate.beta = TRUE,
+ verbose = 0, prefix = tempfile(), save = 1, ke
浏览 0提问于2018-05-06得票数 0
2回答
我正在尝试使用R进行k-means集群，这就是我迄今为止所做的工作：
tmp <- kmeans(ds, centers = 4, iter.max = 1000)
plot(ds[tmp$cluster==1,c(1,5)], col = "red", xlim = c(min(ds[,1]),
max(ds[,1])), ylim = c(min(ds[,5]), max(ds[,5])))
points(ds[tmp$cluster==2,c(1,5)], col = "blue")
points(ds[tmp$cluster==
浏览 12提问于2017-11-11得票数 2
回答已采纳
1回答
在原始数据集上实现k均值聚类后，我获得了一个df。这里有4个不同的集群，我想知道的是每个集群中的4个变量(V1到V4)的变化有多大。换句话说，这四个变量中的什么变化导致了簇的分离。
fit <- kmeans(df, 4, iter.max=1000, nstart=25)
palette(alpha(brewer.pal(9,'Set1'), 0.5))
plot(df, col=fit$clust, pch=16)
aggregate(df, by=list(fit$cluster), FUN=mean)
clust.out <- fit$cluster
df1
浏览 2提问于2015-05-09得票数 3
回答已采纳
这是我想在R中复制的sas代码，
proc fastclus data = in.stores_standard
maxclusters = 20
outseed= in.out_seed
maxiter = 1000
converge = 0
strict=5.0;
var storesize sales_per_sqft sales_per_visits tothhsinta;
id store_nbr;
run;
我的尝试是：
library(amap)
set.seed(1)
kmeans_object=Kmeans(stores_standard, 20, iter.max =
浏览 0提问于2012-06-20得票数 1
回答已采纳
1回答
谈到R，我是一个初学者。我正在尝试绘制我的数据集(2个变量)的聚类(当然，在估计它们之后)。我用过
kmeans(x, centers, iter.max = 10, nstart = 1,
algorithm = c("Hartigan-Wong", "Lloyd", "Forgy",
"MacQueen"), trace=FALSE)
## S3 method for class 'kmeans'
fitted(object, method = c(
浏览 5提问于2016-07-28得票数 0
1回答
我试图将数据分成三个集群，但我在代码中遇到了这个错误：
#Compute k-means with k=3
library(ggplot2)
library(cluster)
library(factoextra)
library(tidyverse)
library(FactoMineR)
set.seed(123)
protein2 <- read_csv("Downloads/protein.csv")
k1<- kmeans(protein2, centers=3, nstart=25)
print(k1)
在R中，我的k-均值函数出现了错误，我不知道如何
浏览 7提问于2022-10-16得票数 1
我对R和集群非常陌生，目前我正在做家庭作业。本文的任务是对一家住宅企业的数据进行聚类，以便在分析结果的基础上，更好地理解和调整其经营模式。
可以找到原始数据集。我删除了几个专栏，因为(根据家庭作业)它们是无关的。在R中是这样的：
为了执行聚类，我使用了K-均值。
#use Elbow Method in order to understand how many clusters are needed.
set.seed(123)
fviz_nbclust(clustering, kmeans, method = "wss")
#perform k-means
k2 &
浏览 8提问于2021-12-28得票数 0
回答已采纳
我正试图从eblow图中找到最优的集群大小。问题是，每次我运行代码时，它都会生成不同的图形。
par(mfrow=c(2,2))
for(i in 1:4){
data <- read.csv(file = "C:/Users/sd0298/Desktop/data.csv", header = TRUE)
wss <- (nrow(data)-1)*sum(apply(data,2,var))
for (i in 2:15) {
wss[i] <- sum(kmeans(data, cen
浏览 2提问于2015-03-19得票数 2
回答已采纳
1回答
我正在尝试在UCI存储库的玻璃数据集上进行光谱聚类。如果你知道玻璃数据有9个属性-- "RI"，"Na"，"Mg"，"Al"，"Si"，"K"，"Ca"，"Ba"和"Fe"。我使用的"kknn"包具有谱聚类"specClust"，如下所示：
library(kknn)
data(glass)
specClust(glass[, 1:9], centers=2, nn=50, iter.max=30)
但是，我得到了两
浏览 0提问于2016-07-16得票数 1
回答已采纳
2回答
作为对R相对较新的人，我在创建for循环时遇到了问题。
我有一个非常大的数据集，有9000条观测数据和25个分类变量，我已经将这些数据转换为二进制数据和预先形成的分层聚类。现在，我想尝试K模式聚类，使用“集群内每个集群的简单匹配距离”生成一个弯头图，这是从kmodes$withindiff输出的。我可以对每个k in 1:8集群进行求和，以得到弯头图。
library(klaR)
for(k in 1:8)
{
WCSM[k] <- sum(kmodes(data,k,iter.max=100)$withindiff)
}
plot(1:8,WCSM,type="b",
浏览 4提问于2016-04-25得票数 1
回答已采纳
2回答
R中K-模聚类的稳定性
、、、
我必须在分类数据中进行分类。我使用以下k模式代码创建集群，并使用肘形方法检查最佳集群数：
set.seed(100000)
cluster.results <-kmodes(data_cluster, 5 ,iter.max = 100, weighted = FALSE )
print(cluster.results)
k.max <- 20
wss <- sapply(1:k.max,
function(k){set.seed(100000)
sum(kmodes(data_cluster, k, i
浏览 0提问于2018-03-19得票数 3
我正在用R做一个市场篮子分析，这样做是为了计算弯头法的WSS，然后使用kmeans()函数。我使用了一个规范化数据帧pc1，然后我们计算了主成分分析，然后在代码中有以下命令：
pc1 <- princomp(na.omit(pc1))
plot(pc1)
loadings(pc1)
pc.df <- data.frame(pc1$x[,1:3])
names(pc.df)
wss <- (nrow(pc.df)-1)*sum(apply(pc.df,2,var))
for (i in 2:15) wss[i] <- sum(kmeans(pc.df, nstart =
浏览 1提问于2018-03-29得票数 0
2回答
我从R中的文档-术语矩阵导出术语-术语共现矩阵K。我感兴趣的是对逐个关键字的矩阵K进行K均值聚类分析。K的维度是8962术语×8962术语。
我将K传递给kmeans函数，如下所示：
for(i in 1:25){
#Run kmeans for each level of i, allowing up to 100 iterations for convergence
kmeans<- kmeans(x=K, centers=i, iter.max=100)
#Combine cluster number and cost together, write to
浏览 0提问于2016-05-03得票数 0
3回答
我一直在研究k-均值聚类，一个不清楚的大问题是，剪影函数真正告诉我的是什么？
我知道这说明什么是合适的k应该是确定的，但我不明白剪影函数的意思，真的对我说？
我在某个地方读过，如果剪影的平均值小于0.5，那么聚类是无效的。
谢谢你提前给我答案。
浏览 0提问于2013-08-17得票数 2
回答已采纳
3回答
我试图理解如何使用R并行化我的一些代码，因此，在下面的示例中，我想使用k-方法来使用2，3，4，5，6个中心对数据进行聚类，同时使用20个迭代。以下是代码：
library(parallel)
library(BLR)
data(wheat)
parallel.function <- function(i) {
kmeans( X[1:100,100], centers=?? , nstart=i )
}
out <- mclapply( c(5, 5, 5, 5), FUN=parallel.function )
我们如何同时并行迭代和中心？如何跟踪输出，假设我想让
浏览 3提问于2013-12-06得票数 6
回答已采纳
1回答
向集群添加标签
、、
我是R的新手，正在尝试根据行业对一些数据进行聚类。我了解到K-means不能处理因子和分类数据。我已经从我的数据集中删除了名为“行业”的因素-- 67个不同的观察值，但希望在模型完成后为每个观察值分配一个标签。本质上，我希望我的最终结果看起来像美国犯罪数据集样本。任何帮助都将不胜感激。
我的结果
我的理想结果集
代码：
library(tidyverse) # data manipulation
library(cluster) # clustering algorithms
library(factoextra) # clustering algorithms &
浏览 0提问于2018-05-01得票数 4
2回答
我有一个有6497个实例、12个属性和一个名为Q (quality)的类变量的数据集。类值可以从3到9不等。数据可以用CSV格式下载。
我正在做这个数据集上的k均值集群，并想要绘制它。但我所生成的图解似乎有问题，因为我认为它们并不代表星系团。我想要生成的图就是从这里引用的，所以请回答
以下是我正在做的事情
library(vegan)
winequality <- read.csv("wine_nocolor.csv")
express <- winequality[, c("fa", "va", "ca", "
浏览 0提问于2015-04-01得票数 2
回答已采纳
1回答
我需要创造一台机器来预测一个人是否能在泰坦尼克号上生存下来。有to文件、培训文件和测试文件。我以前从未使用过Kmeans，所以我使用了我在教程中找到的参数。
clf = KMeans(n_clusters=10)
acc_scorer = make_scorer(accuracy_score)
grid_obj = GridSearchCV(clf,parameters, scoring=acc_scorer)
grid_obj = grid_obj.fit(X_train, y_train)
clf = grid_obj.best_estimator_
clf.fit(X_train,
浏览 0提问于2019-06-24得票数 1
主题是TermDocumentMatrix的术语(=words)上的多项式分布。使用以k=5作为主题数量的标准数据集.
library(topicmodels)
data("AssociatedPress", package = "topicmodels")
k <- 5
lda <- LDA(AssociatedPress[1:20,], control = list(alpha = 0.1), k)
str(lda)提供以下输出
Formal class 'LDA_VEM' [package "topicmodels&
浏览 2提问于2015-07-18得票数 2
回答已采纳
1回答
我在一个不同的k均值绘制问题的答案上发现了来自的这段代码，但我想知道为什么这只在任何给定的数据集上绘制两次迭代。有没有一种方法可以让它在收敛时停止绘图，而不是在两次迭代后停止？
set.seed(1337)
df = iris[,1:2]
dfCluster<-kmeans(df,centers=3, iter.max = 1)
plot(df[,1], df[,2], col=dfCluster$cluster,pch=19,cex=2, main="iter 1")
points(dfCluster$centers,col=1:5,pch=3,cex=3,
浏览 0提问于2018-08-28得票数 0
我正在尝试在kproto函数(R中的clustMixType包)中实现jaccard的距离，但没有成功。目的是对我的数据集进行聚类分析。
我想使用的jaccard距离是jaccard相似系数的补码，所以
distance of jaccard = 1-[a/(a+b+c)] = [(b+c)/(a+b+c)], or
distance of jaccard = 1-[M11/(M01+M10+M11)] = [(M01+M10)/(M01+M10+M11)].
kproto函数的源代码如下所示。变量d1是数值变量的欧几里德距离，变量d2是与类别变量的简单匹配系数的距离(作为因子)。
它计算观察
浏览 16提问于2019-03-31得票数 2
回答已采纳
4回答
我尝试过使用k均值聚类来选择我的种群中最多样化的标记，例如，如果我们想选择100条线，我将整个种群聚成100个簇，然后从每个集群中选择离质心最近的标记。
我的解决方案的问题在于它花费了太多的时间(可能我的函数需要优化)，特别是当标记数超过100000时。
所以，如果有人能向我展示一种新的方法来选择能使我的人口多样性最大化的标记和/或帮助我优化我的功能，让它更快地工作，我会非常感激的。
谢谢
# example:
library(BLR)
data(wheat)
dim(X)
mdf<-mostdiff(t(X), 100,1,nstart=1000)
下面是我使用的大多数函数：
mos
浏览 1提问于2013-10-20得票数 2
回答已采纳
1回答
我是一个R的初学者，我遵循的K-均值聚类。然而，我试图在真实数据上运行这个算法。我选择了：
我已经加载了数据：
d <- read.csv2(
"exoplanet.eu_catalog.csv",
header = TRUE,
sep = ","
)
使用此代码：
plot(
x = log(as.numeric(as.character(d$semi_major_axis))),
y = log(as.numeric(as.character(d$mass))),
xlab = "Star-exo
浏览 0提问于2017-03-15得票数 0
回答已采纳
1回答
我是R的新手，我想得到一些信息。我在R中使用R形成了三个相交的集群。这三个集群都有不同的颜色(我已经使用了阴影和颜色属性来实现这一点)，现在我想改变集群中每个元素的颜色。我发现三个集群中的所有元素都有相同的颜色，即绿色--有一种方法可以为每个集群指定所有元素的颜色。下面是截图和代码
kmres <- kmeans(data1,centers=3,iter.max=100,nstart=25)
clusplot(data1,kmres$cluster,color=TRUE,shade=TRUE)
这是我的样本数据集，我有三列M，G，PTS。M G PTS 82 209 521
有
浏览 0提问于2016-03-17得票数 0
回答已采纳
2回答
R中K-均值聚类问题
、、、
当我尝试对标准虹膜数据进行K-均值聚类时
library('tidyverse')
iris_Cluster <- kmeans(iris[, 3:4], 2, nstart = 10)
iris$cluster <- as.factor(iris_Cluster$cluster)
p_iris <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color=cluster)) + geom_point()
print(p_iris)
我得到一点属于错误的星系团。有什么问题吗？这就是K均值聚类
浏览 5提问于2017-10-24得票数 0
回答已采纳
1回答
我试着用r做一个多元k均值聚类图，我有3个变量，10列数据，加上上下文(就像Iris的物种)，所以有11个变量。很明显，我的x是PeruReady
根据我在网上的一篇教程，我得到了以下结论：
PeruReady.km <- kmeans(PeruReady[, -1], 3, iter.max=1000)
tbl <- table(PeruReady[, 1], PeruReady.km$cluster)
PeruReady.dist <- dist(PeruReady[, -1])
PeruReady.mds <- cmdscale(PeruReady.dist
浏览 1提问于2014-12-11得票数 0
1回答
我是机器学习的新手，我试图用k均值聚类来做无监督的学习(即使我读到k均值不能很好地处理分类数据)。我编码了我的分类变量，并尝试应用内核PCA，因为我有一个分类特性(它是性别)。我注意到核参数有几个值，即‘线性’、‘聚’、‘径向基函数’、‘乙状结肠’、‘余弦’和‘预先计算的’。
我在网上搜索，但没有找到任何正确的解释。我也不确定主成分分析和支持向量机的内核使用是否相同。是否有人能够解释它们是什么、何时使用和/或如何为我们的数据集选择正确的数据集？由于我们无法可视化我们的数据集超过三维，我们如何决定它的形状来选择正确的参数？下面是代码的一部分，以显示参数在何处使用：
# Applying Kern
浏览 0提问于2018-04-19得票数 3
1回答
我使用的是。我在r-tree boost中添加了10万个点。现在，我想像这个一样对我的点进行聚类和分组。似乎我应该从点数来计算k-均值。如何从r-tree点几何中计算k-均值？
浏览 17提问于2018-03-04得票数 0
回答已采纳
1回答
我使用K-均值算法来创建簇。如您所知，K-均值算法需要簇数作为参数。我尝试将集群数从8开始计算为2，然后在每个循环中计算集群的所有C-索引，然后得到这些C-索引的副手。然后比较C指数的平均值，选择最小的C指数平均值作为最优聚类数.这是检测集群计数的真正方法吗？
浏览 2提问于2014-12-09得票数 0
似乎有很多关于创建分层或k均值聚类的信息。但我想知道在R中是否有一个解决方案可以创建大小大致相等的K个集群。有一些关于用其他语言做这件事的东西，但我还没有从互联网上搜索到任何关于如何用R实现结果的建议。
一个例子就是
set.seed(123)
df <- matrix(rnorm(100*5), nrow=100)
km <- kmeans(df, 10)
print(sapply(1:10, function(n) sum(km$cluster==n)))
这导致了
[1] 14 12 4 13 16 6 8 7 13 7
理想情况下，我希望看到
[1] 10 10
浏览 2提问于2015-01-07得票数 6
你好，堆栈溢出社区，
我在Iris数据集上运行kmeans (stats包)和Kmeans (amap包)。在这两种情况下，我使用相同的算法(劳埃德-Forgy)、相同的距离(欧几里德)、相同的初始随机集数(50)、相同的最大迭代次数(1000)，并对相同的k值集(从2到15)进行测试。对于这两种情况，我也使用相同的种子(4358)。
我不明白为什么在这些条件下，我得到了不同的wss曲线，特别是:使用stats包的“肘部”比使用amap包时要轻得多。
你能帮我理解一下原因吗？非常感谢！
在这里，代码：
# data load and scaling
newiris <- iris
new
浏览 2提问于2015-09-07得票数 6
回答已采纳
1回答
我目前正在尝试理解聚类分析(使用SPSS和R)。读了这么多关于它的文章，我更不明白该用什么聚类方法来回答一个研究问题。
我的研究问题是：( a )是否可以根据变量A(保持稳定的组、恶化的组和改进超过2项评估的第三组)中的变化对某些参与者进行聚类；以及( B )在评估1(B和C)中，这些组/组在其他两个变量上有何不同。也就是说，在B和C中有不同模式的人在A中有不同的变化吗？
问题:我已经标准化了数据，到目前为止，已经尝试了两步分层和k-均值聚类。不过，我不知道这是否正确的方法来回答我的问题。在固定数量的集群中，我选择了3种，因为我感兴趣的是看到一群人随着时间的推移而改善/恶化/保持稳定，而集群的
浏览 3提问于2019-12-05得票数 0
2回答
我正在使用以下代码在R中运行一个潜在的Dirichlet主题模型：
for(k in 2:30) {
ldaOut <-LDA(dtm,k, method="Gibbs",
control=list(nstart=nstart, seed = seed, best=best,
burnin = burnin, iter = iter, thin=thin))
assign(paste("ldaOut", k, sep = "_"
浏览 0提问于2018-11-08得票数 0
2回答
平均值的偏差应该总是等于0。然而，当平均值有很多位数时，可能会无限地像这个20/7的数字一样，R不能计算它。
x <- c(1,2,2,3,3,4,5)
sum(x - mean(x))
[1] -4.440892e-16
我是个新手，到目前为止还没有找到任何关于这方面的信息，也许我没有找到合适的条件。在R中可以用无穷长的数来计算吗？我这样问是出于理论上的兴趣。
浏览 11提问于2022-11-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
