我有一些数据,我想根据差距统计来评估最佳簇数。
我阅读了 gap statistic 上的页面在 r 中给出了以下示例:
gs.pam.RU <- clusGap(ruspini, FUN = pam1, K.max = 8, B = 500)
gs.pam.RU
当我调用gs.pam.RU.Tab
时,我得到
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
我想从中检索簇的数量。但是,与 pamk 函数可以轻松获取此数字相反,我找不到使用 clusGap 获取此数字的方法。
然后我尝试使用 maxSE
函数,但我不知道参数 f 和 SE.f 代表什么,也不知道如何从数据矩阵中获取它们。
有什么简单的方法可以检索最佳的簇数吗?
最佳答案
答案就在输出中:
...
--> Number of clusters (method 'firstSEmax', SE.factor=1): 4
...
这是产生最大值 gap
的簇数(位于表的第 4 行)。
maxSE(...)
的参数是gap
和SE.sim
,分别是:
with(gs.pam.RU,maxSE(Tab[,"gap"],Tab[,"SE.sim"]))
# [1] 4
有时绘制 gap
很有用,查看聚类选项的差异程度:
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)
关于检索 R 中的最佳簇数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23695544/