2

我有一个数据框，df包含一堆点的x和坐标。y这是一段摘录：

> tail(df)
            x        y
1495 0.627174 0.120215
1496 0.616036 0.123623
1497 0.620269 0.122713
1498 0.630231 0.110670
1499 0.611844 0.111593
1500 0.412236 0.933250

我正在尝试找出最合适的集群数量。最终的目标是用数以万计的这些数据帧来做到这一点，所以选择的方法必须是快速的并且不能是可视化的。基于这些要求，RWeka 包似乎是要走的路。

我设法成功加载了 RWeka 包（我必须先在我的计算机上安装 Java SE Runtime）以及 RWeka 的包 XMeans，然后运行它：

library("RWeka") # requires Java SE Runtime
WPM("refresh-cache") # Build Weka package metadata cache
WPM("install-package", "XMeans") # Install XMeans package if not previously installed

weka_ctrl <- Weka_control( # Create a Weka control object to specify our parameters
  I = 100, # max no iterations overall
  M = 100, # max no iterations in the kmeans loop
  L = 2,   # min no clusters
  H = 5,   # max no clusters
  D = "weka.core.EuclideanDistance", # distance metric
  C = 0.4, S = 1)
x_means <- XMeans(df, control = weka_ctrl) # run algorithm on data

这正是我想要的结果：

XMeans
======
Requested iterations            : 100
Iterations performed            : 1
Splits prepared                 : 2
Splits performed                : 0
Cutoff factor                   : 0.4
Percentage of splits accepted 
by cutoff factor                : 0 %
------
Cutoff factor                   : 0.4
------

Cluster centers                 : 2 centers

Cluster 0
            0.4197712002617799 0.9346986806282739
Cluster 1
            0.616697959239131 0.11564350951086963

Distortion: 30.580934
BIC-Value : 2670.359509

我可以通过运行将数据框中的每个点分配给集群x_means$class_ids。

但是，我想有一种方法来检索集群中心的坐标。我可以在输出中看到它们并手动将它们写下来，但如果我要运行数万个这样的，我需要能够有一段代码将它们保存到一个变量中。我似乎无法x_means使用方括号进行子集化，所以我不知道还能做什么。

非常感谢您的帮助！

4

1 回答 1

1

中心似乎没有直接存储在返回的结构中。但是，由于结构确实告诉您每个点属于哪个集群，因此很容易计算中心。由于您不提供数据，我将使用内置的虹膜数据进行说明。

正如您所观察到的，打印出结果会显示中心。我们可以用它来检查结果。

x_means <- XMeans(iris[,1:4], control = weka_ctrl) 
x_means
## Output truncated to just the interesting part.
Cluster centers                 : 2 centers

Cluster 0
            6.261999999999998 2.872000000000001 4.906000000000001 1.6760000000000006
Cluster 1
            5.005999999999999 3.428000000000001 1.4620000000000002 0.2459999999999999

所以这是计算方法

colMeans(iris[x_means$class_ids==0,1:4])
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
       6.262        2.872        4.906        1.676 
colMeans(iris[x_means$class_ids==1,1:4])
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
       5.006        3.428        1.462        0.246

结果一致。

于 2018-03-28T00:58:11.053 回答