R實現集群分析

Question

我正在實施一些用於聚類分析的算法，尤其是聚類驗證。 交叉驗證，外部索引，內部索引，相對索引等方法很少。 我正在嘗試實現一種在內部索引下的算法。

內部索引-基於數據的固有內容。 它用於在不考慮外部信息的情況下測量聚類結構的優劣。 我的興趣是輪廓系數

s(i) = b(i) - a(i) / max{a(i), b(i)}

為了更加清楚，假設我具有以下多模型分布：

  library(mixtools)
  wait = faithful$waiting
  mixmdl = normalmixEM(wait)
  plot(mixmdl,which=2)
  lines(density(wait), lty=2, lwd=2)

我們看到有兩個簇，截止標記在68附近。這里沒有標簽數據，因此沒有進行交叉驗證的依據（無監督）。 因此，我們需要一種評估聚類的機制。 在這種情況下，我們從可視化中知道有兩個聚類，但是如何清除表明兩個分布實際上屬於聚類。 根據我在Wikipedia Silhouette上獲得的紅色，我們可以進行驗證。

我想實現一個方法（實現Silhouette），以便在我的示例中獲取值的ar列表，​​其等待時間，本例中的簇數2以及作為模型的模型並返回平均值s（i）。

我已經開始，但無法真正弄清楚如何前進

Silhouette = function(rList, num_clusters, model) {

}

我的清單摘要如下所示：

               Length Class  Mode   
clust_A         416014 -none- numeric
clust_B         72737 -none- numeric
clust_C          6078 -none- numeric

myList$clust_A將返回屬於該集群的點

    [1]   13  880  497 1864  392   55 1130  248  437   37   62  153   60  117
   [15]   22  106   71 1026  446 1558   23   56  287  402   46 1506  115 2700
   [29]   67  134   48  536   41  506 1098   33   30  280  225   16   25   17
   [43]   63 1762  477  174   98   76  157  698   47  312   40    3  198  621
   [57]   15   34  226  657   48  110   23  250   14   32  137  272   26  257
   [71]  270  133 1734   78  134    8    5  225  187  166   35   15   94 2825
   [85]    2    8   94   89   54   91   77   17  106 1397   16   25   16  103

問題是我不認為現有的庫接受這種類型的數據結構。

Answer 1

Silhouette假定所有聚類具有相同的方差。

恕我直言，將此措施與EM群集結合使用是沒有意義的。