1

我在那里阅读了该线程，但在该线程中，答案是使用群集 i 的列均值（因此，如果我总共有 3 个群集，则 i = 1、2、3；如果我总共有 2 个群集，则 i = 1,2)。我将在此处复制并粘贴他们的答案：

clusters = cutree(hclust(dist(USArrests)), k=5) # get 5 clusters

# function to find medoid in cluster i
clust.centroid = function(i, dat, clusters) {
    ind = (clusters == i)
    colMeans(dat[ind,])
}

sapply(unique(clusters), clust.centroid, USArrests, clusters)

              [,1]       [,2]   [,3]  [,4]  [,5]
Murder    11.47143   8.214286   5.59  14.2  2.95
Assault  263.50000 173.285714 112.40 336.0 62.70
UrbanPop  69.14286  70.642857  65.60  62.5 53.90
Rape      29.00000  22.842857  17.27  24.0 11.51

但这对我来说没有意义！如果我有一个包含 3 个变量/列的数据集，并且我只想要 2 个集群，使用他们的方法，只使用第 1 列和第 2 列的列平均值，并且永远不会计算第 3 列的列平均值！

假设我创建了这样的数据表：

a = c(1,2,3,4,2,2,5,3,1)
b = c(4,5,2,2,1,1,1,1,3)
c = c(1,1,1,0,0,0,0,0,1)
abc = data.frame(a=a, b=b, c=c)
str(abc)

最后一行将返回如下数据表：

'data.frame':   9 obs. of  3 variables:
 $ a: num  1 2 3 4 2 2 5 3 1
 $ b: num  4 5 2 2 1 1 1 1 3
 $ c: num  1 1 1 0 0 0 0 0 1

然后我缩放数据：

abc_scaled = scale(abc)

计算距离并创建层次聚类并切割树：

distance = dist(abc_scaled, method="euclidean")
hcluster = hclust(distance, method="ward.D")
clusters = cutree(hcluster, h = (max(hcluster$height) - 0.1))

假设我得到了 2 个集群，我如何比较这 2 个集群的质心？以及如何将标签添加到集群？？？

4

0 回答 0