R中K-Modes聚类的稳定性

Question

我必须在分类数据中创建集群。我正在使用以下 k-modes 代码制作集群，并使用肘法检查最佳集群数量：

set.seed(100000)

cluster.results <-kmodes(data_cluster, 5 ,iter.max = 100, weighted = FALSE ) 

print(cluster.results)

k.max <- 20

wss <- sapply(1:k.max, 
              function(k){set.seed(100000)
                sum(kmodes(data_cluster, k, iter.max = 100 ,weighted = FALSE)$withindiff)})

wss

plot(1:k.max, wss,
     type="b", pch = 19, frame = FALSE, 
     xlab="Number of clusters K",
     ylab="Total within-clusters sum of squares")

我的问题是：

1. Kmodes 中是否有其他方法可以检查最佳集群数？
2. 每个种子都提供不同大小的节点，因此我正在尝试不同的种子，并将种子设置为总平方和最小的种子，这种方法是否正确？
3. 如何检查我的集群是否稳定？
4. 我想在（另一年的）新数据中应用/预测这个集群。该怎么做？
5. 还有其他聚类分类数据的方法吗？

Answer 1

我的回答只涉及问题 5。

您可以使用混合模型对分类数据进行聚类（例如，请参阅潜在类模型）。标准方法考虑多项分布的混合。

经典信息标准（如 BIC 或 ICL）可用于自动选择聚类数。

混合允许计算新观察的分类概率，从而量化错误分类的风险。

如果您对这种方法感兴趣，可以使用 R 包 VarSelLCM。要对分类数据进行聚类，您的数据集必须是 data.frame，并且每个变量都必须存储在因子中。

这里是代码示例（簇数允许在 1 到 6 之间）

require(VarSelLCM)

    out <- VarSelCluster(data_cluster, 1:6, vbleSelec=FALSE)

    summary(out)

    VarSelShiny(out)

Answer 2

希望这会有所帮助：

install.packages( "NbClust", dependencies = TRUE )
library ( NbClust )

Data_Sim <- rbind ( matrix ( rbinom ( 250, 2, 0.25 ), ncol = 5 ),
  matrix ( rbinom (250, 2, 0.75 ), ncol = 5 ))
colnames ( Data_Sim ) <- letters [ 1:5 ]

Clusters <- NbClust ( Data_Sim, diss = NULL, distance = "euclidean",
  min.nc = 2, max.nc = 10, method = "kmeans", index = "all",
  alphaBeale = 0.1 )

hist ( Clusters$Best.nc [ 1, ], breaks = max ( na.omit (
  Clusters$Best.nc [ 1, ])))