R 中的成对 K 均值

Question

我有一个dataset ，我想应用K-means clustering来分组。 但是，我只想考虑成对的变量。

dataset有一个 class 变量，所以我希望这个 class 变量不参与聚类并用它来评估算法性能。

我想自动执行此操作，因此必须尝试两个变量的所有可能组合，并且只返回最好的一个。

如何在 R 中执行此操作？ 您可以使用 Iris 数据集作为示例。

Answer 1

欢迎来到 SO，这样的事情怎么样，拥有所有模型（以及关于它们的一切，只有最好的组合：看看答案的底部）：

# first the pairwise combination of column, without the labels
comb <- combn(names(iris[,-5]),2,simplify=FALSE)
# an empty list to populate with kmeans
listed <- list()

然后是一个 for 循环，将 kmeans 应用于每个子集，并将 output 放入列表中：

for (i in c(1:length(comb))){
  names_ <- comb[[i]]
  df <-iris[ , which(names(iris) %in% names_)]
  listed[[i]] <- kmeans(df,3)
  }

例如，这里

listed[[2]]
K-means clustering with 3 clusters of sizes 51, 58, 41

Cluster means:
  Sepal.Length Petal.Length
1     5.007843     1.492157
2     5.874138     4.393103
3     6.839024     5.678049

Clustering vector:
  [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 2 3 2 2 2 2 2 2 2 2 2 2 2 2
 [66] 2 2 2 2 2 2 2 2 2 2 2 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 3 2 3 3 3 3 2 3 3 3 3 3 3 2 2 3 3 3 3 2 3 2 3 2 3 3 2 2 3 3
[131] 3 3 3 3 3 3 3 3 2 3 3 3 2 3 3 3 2 3 3 2

Within cluster sum of squares by cluster:
[1]  9.893725 23.508448 20.407805
 (between_SS / total_SS =  90.5 %)

Available components:

[1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"    "size"         "iter"        
[9] "ifault"

如果你只想要“最好的”model，在这种情况下是纯度指数最好的（注意：我从未使用过它，所以检查公式）比率，这里是另一个循环：

# combinations
comb <- combn(names(iris[,-5]),2,simplify=FALSE)
# another list
listed_1 <- list()

library(dplyr) # external package to make it simpler
for (i in c(1:length(comb))){
  names_ <- comb[[i]]
  df <-iris[ , which(names(iris) %in% names_)]
  km <- kmeans(df,3)
  df <- data.frame(cl = km$cluster, spec =iris$Species, cnt = 1)
  df <- aggregate(df$cnt,list(cl = df$cl,spec= df$spec),sum )
  df <- df %>% group_by(spec) %>% filter(x == max(x)) 
  listed_1[[i]] <- round(sum(df$x)/nrow(iris),2)*100
  } 

现在你得到了一个列表作为结果：以下命令将把（ cbind ）放在一个 data.frame 中结果列表（ do.call(rbind, listed_1) ）和组合（ do.call(rbind, comb) ):

res <- cbind(do.call(rbind, listed_1),do.call(rbind, comb))
res[which.max(res[,1]),]
[1] "95"           "Petal.Length" "Petal.Width"