#####R聚类研究

irirs2<-iris

irirs2[,5]<-NULL

kmeans.result<-kmeans(irirs2,3)

K-means clustering with 3 clusters of sizes 50, 62, 38

Cluster means:

  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

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

[49] 1 1 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

[97] 2 2 2 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 3 3 3 2 3 3 3 3 2 3 3 3 2 3

[145] 3 3 2 3 3 2

Within cluster sum of squares by cluster:

  [1] 15.15100 39.82097 23.87947

(between_SS / total_SS =  88.4 %)

Available components:

  

  [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"   

[7] "size"         "iter"         "ifault"    

kmeans.result<-kmeans(irirs2,2)

c( kmeans.result$totss, kmeans.result$withinss, kmeans.result$tot.withinss,kmeans.result$betweenss)

results <- matrix(nrow=15, ncol=2, dimnames=list(1:15,c("clusters","s

umsquares")))

利用轮廓系数判断K均值聚类的簇个数

2012-6-19 20:56| 发布者: 仙豆| 查看: 4129| 评论: 0|来自: 互联网

摘要: K均值聚类（K-means clustering）计算简单，并且可以用于各种数据类型，但需要事先判断簇个数来作为输入参量，该参数的设置往往涉及到聚类效果。轮廓系数可以用来解决这个问题，轮廓系数（silhouette coefficient）方 ...

K均值聚类（K-means clustering）计算简单，并且可以用于各种数据类型，但需要事先判断簇个数来作为输入参量，该参数的设置往往涉及到聚类效果。

轮廓系数可以用来解决这个问题，轮廓系数（silhouette coefficient）方法结合了凝聚度和分离度，可以以此来判断聚类的优良性，其值在-1到+1之间取值，值越大表示聚类效果越好。

依据这个原理，我们可以尝试用多个簇参量，反复计算在每个簇个数条件下的轮廓系数，当轮廓系数取最大时，其相应的簇个数是最好的。

在R语言中package fpc可以计算聚类后的一些评价指标，其中就包括了轮廓系数。

#首先加载软件包

library(fpc)

#利用著名的iris数据集

data=iris[,1:4]

#设簇个数在2到5之间取值

x=c()

y=c()

for (i in 2:5){

  #K聚类结果存于result变量

  result <- kmeans(data,i)

  #求出聚类评价统计量

  stats=cluster.stats(dist(data), result$cluster)

  #将结果存入X

  x[i-1]=stats$avg.silwidth

  y[i-1]=i

}

plot(y,x)