r中的k均值聚類分析：僅設置一個中心，其他中心待計算

Question

我想用k均值將數據點分為三類。 我知道這三個小組之一的中心，但不知道其他兩個小組的中心。 因此，我想預設一組的中心，並相應地對算法進行聚類，以保持該中心的固定。 但是，我不確定是否以及如何使用R中的k-means包來做到這一點。

如果我在沒有預先設置中心的情況下進行聚類，那么我所知道的組的中心就會移向其他聚類中心的方向，這很可能導致錯誤的分類。

感謝您的投入。

朱莉安

Answer 1

當然，我們可以創建自己的初始化例程。 例如，我們可以像這樣修改Forgy方法

# modified Forgy
set.seed(1)

c1 <- c(7.8, 4.3, 6.8, 2.4)
cn <- rbind(c1, iris[sample(nrow(iris), 2),-5])

kmeans(iris[,-5], cn)$centers
#   Sepal.Length Sepal.Width Petal.Length Petal.Width
# 1     6.684427    2.626896     6.512092  2.09042298
# 2     5.078494    3.646351     1.485264  0.05223007
# 3     6.012102    2.553765     3.869828  1.66717281

第一個初始中心是固定的，其余的則是從數據集中的行中隨機選擇的。
當然，這會使nstart參數不適用，但是我們可以通過重復多次上述計算，然后選擇具有最高BCSS的結果，輕松地復制此功能。

# modified Forgy with nstart
set.seed(1)
data(iris)
m <- iris[,-5]

# initializing with the actual centroid of the first species
c1 <- colMeans(m[as.integer(iris[,5]) == 1,])
c1
# Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
#        5.006        3.428        1.462        0.246 

kf <- function(x, clust, nc) {
    cn <- rbind(clust, x[sample(nrow(x), nc-1),])
    kmeans(x, cn)
}

l <- replicate(100, kf(m, c1, 3), simplify=FALSE)
bss <- sapply(l, '[[', "betweenss")
table(signif(bss, 4))
# 
# 538.6 602.5 
#    37    63 
kmo <- l[[which.max(bss)]]

kmo$centers
#   Sepal.Length Sepal.Width Petal.Length Petal.Width
# 1     5.006000    3.428000     1.462000    0.246000
# 2     5.901613    2.748387     4.393548    1.433871
# 3     6.850000    3.073684     5.742105    2.071053