8

我正在使用 R 的 mclust 库（http://www.stat.washington.edu/mclust）来做一些基于 EM 的实验性 GMM 聚类。该软件包很棒，似乎通常可以为我的数据找到非常好的集群。

问题是我根本不了解 R，虽然我已经设法根据 help() 内容和广泛的自述文件完成了集群过程，但我终生无法弄清楚如何写出来要归档的实际集群结果。我正在使用以下荒谬的简单脚本来执行聚类，

myData <- read.csv("data.csv", sep=",", header=FALSE)
attach(myData)
myBIC <- mclustBIC(myData)
mySummary <- summary( myBIC, data=myData )

在这一点上，我有集群结果和总结。data.csv 中的数据只是多维点的列表，每行一个。所以每条线看起来像'x，y，z'（在3维的情况下）。

如果我使用 2d 点（例如仅 x 和 y 值），我可以使用内部绘图函数来获得一个非常漂亮的图表，该图表根据分配给它的集群绘制原始点和每个点的颜色代码。所以我知道所有信息都在“myBIC”的某个地方，但是文档和帮助似乎没有提供任何关于如何打印这些数据的见解！

我想根据我认为在 myBIC 中编码的结果打印出一个新文件。就像是，

CLUST x, y, z
1 1.2, 3.4, 5.2
1 1.2, 3.3, 5.2
2 5.5, 1.3, 1.3
3 7.1, 1.2, -1.0
3 7.2, 1.2, -1.1

然后 - 希望 - 也打印出聚类过程发现的各个高斯/聚类的参数/质心。

当然，这是一件非常容易做的事情，我对 R 太无知了，无法弄清楚......

编辑：我似乎已经走得更远了。执行以下操作会打印出一个有点神秘的矩阵，

    > mySummary$classification
[1] 1 1 2 1 3
[6] 1 1 1 3 1
[12] 1 2 1 3 1
[18] 1 3

经过反思，我意识到这实际上是样本列表及其分类。我想不可能通过 write 命令直接写这个，但是在 R 控制台中进行更多的实验让我意识到我可以做到这一点：

> newData <- mySummary$classification
> write( newData, file="class.csv" )

结果实际上看起来很不错！

 $ head class.csv
"","x"
"1",1
"2",2
"3",2

其中第一列显然与输入数据的索引匹配，第二列描述了分配的类标识。

'mySummary$parameters' 对象似乎是嵌套的，并且有一堆对应于各个高斯及其参数等的子对象。当我尝试将其写出但单独写入时，'write' 函数失败取出每个子对象的名字有点繁琐。这让我想到了一个新问题：如何遍历 R 中的嵌套对象并将元素以串行方式打印到文件描述符？

我有这个“mySummary$parameters”对象。它由几个子对象组成，例如“mySummary$parameters$variance$sigma”等。我想迭代所有内容并将其全部打印到文件中，就像在 CLI 中自动完成的那样...

4

1 回答 1

10

要自己计算实际的聚类参数（均值、方差、每个点所属的聚类），您需要使用Mclust. 要进行写作，您可以使用 (例如) write.csv。

默认情况下Mclust，根据 BIC 确定的最佳模型计算参数，所以如果这是您想要做的，您可以这样做：

myMclust <- Mclust(myData)

然后myMclust$BIC将包含所有其他模型的结果（即myMclust$BIC或多或少与 相同mclustBIC(myData)）。

请参阅?Mclust该Value:部分以查看其他信息myMclust。例如，myMclust$parameters$mean是每个集群的平均值，每个集群myMclust$parameters$variance的方差，...

但是myMclust$classification将包含每个点所属的集群，为最佳模型计算。

因此，要获得所需的输出，您可以执行以下操作：

# create some data for example purposes -- you have your read.csv(...) instead.
myData <- data.frame(x=runif(100),y=runif(100),z=runif(100))
# get parameters for most optimal model
myMclust <- Mclust(myData)
# if you wanted to do your summary like before:
mySummary <- summary( myMclust$BIC, data=myData )

# add a column in myData CLUST with the cluster.
myData$CLUST <- myMclust$classification
# now to write it out:
write.csv(myData[,c("CLUST","x","y","z")], # reorder columns to put CLUST first
          file="out.csv",                  # output filename
          row.names=FALSE,                 # don't save the row numbers
          quote=FALSE)                     # don't surround column names in ""

关于write.csv- 如果你不输入，row.names=FALSE你会在你的 csv 中得到一个包含行号的额外列。此外，quote=FALSE将您的列标题CLUST,x,y,z设置为"CLUST","x","y","z". 这是你的选择。

假设我们想做同样的事情，但使用来自不同模型的参数，该模型不是最优的。但是，Mclust默认情况下仅计算最优模型的参数。要计算特定模型的参数（例如"EEI"），您可以：

myMclust <- Mclust(myData,modelNames="EEI")

然后像以前一样继续。

于 2012-01-18T06:35:43.420 回答