Kmeans 对 R 中的一百万个观测值 - 无法绘制集群

Question

我正在尝试对超过 100 万行执行 KMeans 聚类，其中包含 4 个观察值，全部为数字。我正在使用以下代码：

kmeansdf<-as.data.frame(rbind(train$V3,train$V5,train$V8,train$length))
km<-kmeans(kmeansdf,2)

可以看出，我想将我的数据分成两个集群。对象km 正在填充，但我无法绘制结果。这是我用来绘制的代码：

plot(kmeansdf,col=km$cluster)

这段代码给了我以下错误：

Error in plot.new() : figure margins too large

我尝试在线研究但找不到解决方案，我也尝试在命令行上工作但仍然遇到相同的错误（我目前正在使用 RStudio）

我们将不胜感激任何解决错误的帮助。 TIA。

Answer 1

当我在具有 1e6 行的 df 上运行您的代码时，我没有收到相同的错误，但系统挂起（10 分钟后中断）。可能是创建一个每帧 1e6 个点的散点图矩阵太多了。

您可以考虑随机抽样：

# all this to create a df with two distinct clusters
set.seed(1)
center.1 <- c(2,2,2,2)
center.2 <- c(-2,-2,-2,-2)
n <- 5e5
f <- function(x){return(data.frame(V1=rnorm(n,mean=x[1]),
                                   V2=rnorm(n,mean=x[2]),
                                   V3=rnorm(n,mean=x[3]),
                                   V4=rnorm(n,mean=x[4])))}
df <- do.call("rbind",lapply(list(center.1,center.2),f))

km <- kmeans(df,2)         # run kmeans on full dataset
df$cluster <- km$cluster   # append cluster column to df

# sample is 10% of population (100,000 rows)
s  <- 1e5
df <- df[sample(nrow(df),s),]
plot(df[,1:4],col=df$cluster)

用 1% 的样本（50,000 行）运行同样的事情会得到这个结果。