SPSS K均值和R

Question

R中嘗試復制SPSS中使用的K-means聚類方法的最佳功能/包是什么？ 這是我將在SPSS中使用的語法示例：

QUICK CLUSTER VAR1 TO VAR10       
   /MISSING=LISTWISE                  
   /CRITERIA=CLUSTER(5) MXITER(50) CONVERGE(.02)
   /METHOD=KMEANS(NOUPDATE)

謝謝！

Answer 1

在SPSS中，使用/PRINT INITIAL選項。 這將為您提供初始聚類中心，該聚類中心在SPSS中似乎是固定的，但在R中是隨機的（有關參數centers請參見?kmeans ）。

如果您使用SPSS輸出中打印的初始聚類中心和kmeans中的argument="Lloyd"參數，則應該獲得相同的結果（至少對我有用，並進行了多次重復測試）。

初始集群中心的SPSS輸出示例：

           Cluster
           Cl1  Cl2  Cl3  Cl4
Var A      1    1    4    3
Var B      4    1    4    1
Var C      1    1    1    4
Var D      1    4    4    1
Var E      1    4    1    2
Var F      1    4    4    3

該表復制為R中的矩陣，並進行kmeans計算：

mat <- matrix(c(1,1,4,3,4,1,4,1,1,1,1,4,1,4,4,1,1,4,1,2,1,4,4,3), nrow=4, ncol=6)
kmeans(na.omit(data.frame), centers=mat, iter.max=20, algorithm="Lloyd")

確保在SPSS和R-kemans中使用相同數量的最大迭代次數，並在R-kmeans中使用Lloyd方法。

但是，我不知道固定或隨機選擇初始中心會更好。 我個人喜歡隨機選擇，並使用找到的聚類組計算線性判別分析以評估分類的准確性，然后重新運行kmeans聚類，直到獲得具有統計意義的組分類。

編輯：我發現這篇文章描述了選擇初始群集的SPSS過程。 也許有人知道R的實現？