Получение оптимального числа кластеров в R

у меня есть данные, для которых я хочу оценить оптимальное количество кластеров в соответствии со статистикой разрыва.

Я прочитал страницу на статистика пробел в r, который дает следующий пример:

gs.pam.RU <- clusGap(ruspini, FUN = pam1, K.max = 8, B = 500)
gs.pam.RU

когда я называю gs.pam.RU.Tab, Я

Clustering Gap statistic ["clusGap"].
B=500 simulated reference sets, k = 1..8
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
         logW   E.logW         gap     SE.sim
[1,] 7.187997 7.135307 -0.05268985 0.03729363
[2,] 6.628498 6.782815  0.15431689 0.04060489
[3,] 6.261660 6.569910  0.30825062 0.04296625
[4,] 5.692736 6.384584  0.69184777 0.04346588
[5,] 5.580999 6.238587  0.65758835 0.04245465
[6,] 5.500583 6.119701  0.61911779 0.04336084
[7,] 5.394195 6.016255  0.62205988 0.04243363
[8,] 5.320052 5.921086  0.60103416 0.04233645

, из которого я хочу получить количество кластеров. Но, в отличие от функции pamk, которая позволяет легко получить это число, я не мог найти способ получить это число с помощью clusGap.

затем я попытался использовать maxSE функция, но я понятия не имею, какие аргументы f и SE.F представляют или как я могу получить их из Матрицы данных.

любой простой способ получить это оптимальное количество кластеров?

9
cluster-analysis machine-learning r statistics

1 ответов

ответ находится в выводе:

...
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
...

это число кластеров, производящих максимальное значение gap (который находится в строке 4 таблицы).

аргументы maxSE(...) это gap и SE.sim соответственно:

with(gs.pam.RU,maxSE(Tab[,"gap"],Tab[,"SE.sim"]))
# [1] 4

иногда полезно участка gap, чтобы увидеть, насколько хорошо дифференцированы параметры кластеризации:

plot(gs.pam.RU)
gap.range <- range(gs.pam.RU$Tab[,"gap"])
lines(rep(which.max(gs.pam.RU$Tab[,"gap"]),2),gap.range, col="blue", lty=2)

8