[英]Output multiple vectors from for loop in R
作為一個相對較新的R,我遇到了創建for循環的問題。
我有一個非常大的數據集,包含9000個觀測值和25個分類變量,我已將其轉換為二進制數據和預先形成的層次聚類。 現在,我想嘗試K-Modes聚類,使用“每個聚類的簇內簡單匹配距離”生成一個彎頭圖,從kmodes$withindiff
輸出。 我可以為k in 1:8
簇中的每個k in 1:8
求和,得到肘圖。
library(klaR)
for(k in 1:8)
{
WCSM[k] <- sum(kmodes(data,k,iter.max=100)$withindiff)
}
plot(1:8,WCSM,type="b", xlab="Number of Clusters",ylab="Within-Cluster
Simple-Matching Distance Summed", main="K-modes Elbow Plot")
我的問題是我想從k模式進一步輸出。 對於k in 1:8
每個k in 1:8
我想得到整數向量,表示每個對象被分配到的kmodes$cluster
由kmodes$cluster
給出。 我需要創建一個for循環, k in 1:8
遍歷每個k in 1:8
並將每個輸出保存到8個單獨的向量中。 但我不知道怎么做這樣的for循環。 我可以分別運行8行代碼但是它們每個運行15分鍾才能運行iter.max=10
因此將此值增加到iter.max=100
將需要保持一夜之間運行所以循環將是有用的。
cl.kmodes2=kmodes(data, 2,iter.max=100)
cl.kmodes3=kmodes(data, 3,iter.max=100)
cl.kmodes4=kmodes(data, 4,iter.max=100)
cl.kmodes5=kmodes(data, 5,iter.max=100)
cl.kmodes6=kmodes(data, 6,iter.max=100)
cl.kmodes7=kmodes(data, 7,iter.max=100)
cl.kmodes8=kmodes(data, 8,iter.max=100)
最后,我想通過獲取調整后的蘭特指數,將分層二進制聚類的結果與k模式聚類進行比較。 例如,在層級集群中以k=4
切割樹,並將其與來自k模式的4集群解決方案進行比較:
dist.binary = dist(data, method="binary")
cl.binary = hclust(dist.binary, method="complete")
hcl.4 = cutree(cl.binary, k = 4)
tab = table(hcl.4, cl.kmodes4$cluster)
library(e1071)
classAgreement(tab)
最好的方法是將群集的輸出放入命名列表:
library(klaR)
myClusterList <- list()
for(k in 1:8) {
myClusterList[[paste0("k.", i)]] <- kmodes(data, i,iter.max=100)
}
然后,您可以輕松地提取任何內容:
sum(myClusterList[["k.1"]]$withindiff)
要么
sum(myClusterList[[1]]$withindiff)
您還可以保存列表以在將來的R會話中使用,請參閱?save
。
我同意Imo,使用列表是最好的解決方案。 如果您不想這樣做,您還可以使用assign()在每次迭代中創建一個新向量:
library(klaR)
for(k in 1:8) {
assign(paste("cl.kmodes", k, sep = ""), kmodes(data, k, iter.max = 100))
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.