我有一个关于 R 中 k-means 聚类的问题。实际上我正在按照这个 article 做所有事情。 。一切都基于 tm 包中的示例，因此不需要导入数据。 acq 包含 50 个文档和原始 20 个文档。
library(tm)
data("acq")
data("crude")
ws <- c(acq, crude)
wsTDM <- Data(TermDocumentMatrix(ws)) #First problem here
wsKMeans <- kmeans(wsTDM, 2)
wsReutersCluster <- c(rep("acq", 50), rep("crude", 20))
cl_agreement(wsKMeans, as.cl_partition(wsReutersCluster), "diag")
Error in lapply(X, FUN, ...) :
(list) object cannot be coerced to type 'integer'
我实际上想创建交叉协议(protocol)矩阵。但这篇文章是 2008 年写的，自那以后发生了很多变化。数据功能仅在 RSurvey 包中可用，但我有点怀疑它是否相同。我认为主要问题是 TermDocumentMatrix 是 S4 类，现在是 S3 类。我知道只用文字就可以做到这一点。但我想这样做，因为在 TDM 中可以删除停用词、标点符号等以获得更好的结果。因此，如果有人有任何解决方案，那就太好了。
最佳答案
TDM 存储为稀疏矩阵，如 ?TermDocumentMatrix 中所述。这也可以通过检查诸如 str(wsTDM) 之类的对象来看出。旧的 Data() 函数只是一种以常规矩阵形式访问内容的方法。不再需要它了。只需执行 kmeans(wsTDM, 2)，您就会看到输出符合预期，并为 70 个特征(文档)的 2775 个观察值(术语)识别出聚类。祝你好运!
关于r - 包tm。 kmeans 的问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8073106/