R中的K-means聚类问题答案

【问题标题】：Problems with K-means clustering in RR中的K-means聚类问题
【发布时间】：2018-04-05 17:04:30
【问题描述】：

当我尝试对标准虹膜数据进行 K-means 聚类时

library('tidyverse')
iris_Cluster <- kmeans(iris[, 3:4], 2, nstart = 10)
iris$cluster <- as.factor(iris_Cluster$cluster)
p_iris <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color=cluster)) + geom_point()
print(p_iris)

我得到一个点属于错误的集群。问题是什么？这是K-means聚类算法的弱点吗？如何得到合适的结果？分区聚类有哪些好的算法？

【问题讨论】：

您需要进行缩放，使 x 轴与 y 轴相同。然后，您将在所谓的杂散点上获得不同的视觉修复。
如果您想询问其他聚类方法，请联系Cross Validated 或Data Science。这不是一个适合 Stack Overflow 的特定编程问题。这个问题不是 R 独有的。

标签： r algorithm cluster-analysis k-means

【解决方案1】：

属于“错误”簇的点是点 99。它有 Petal.Length = 3 和 Petal.Width = 1.1。你可以得到来自

的集群中心

iris_Cluster$centers
  Petal.Length Petal.Width
1     4.925253   1.6818182
2     1.492157   0.2627451

您可以使用

查看从点 99 到聚类中心的距离

as.matrix(dist(rbind(iris_Cluster$centers, iris[99,3:4])))
          1        2       99
1  0.000000 3.714824 2.011246
2  3.714824 0.000000 1.724699
99 2.011246 1.724699 0.000000

点 99 更靠近 (1.49, 0.26) 处的聚类中心。问题是 k-means 选择的聚类中心是最接近一点，而不是基于事物有意义的中心像附近点的集群。正如@Anony-Mousse 所建议的， DBSCAN 可能更符合您的喜好。 DB 部分代表基于密度的它创建了集群，其中的点可以通过高密度区域。另一种选择是单链接分层聚类倾向于将彼此靠近的点放在同一个集群。

模仿你的代码但使用hclust:

library(ggplot2)
iris_HC <- hclust(dist(iris[,3:4]), method="single")
iris_Cluster <- cutree(iris_HC, 2)
iris$cluster <- as.factor(iris_Cluster)

p_iris <- ggplot(iris, aes(x=Petal.Length, y=Petal.Width, color=cluster)) + geom_point()
print(p_iris)

【讨论】：

【解决方案2】：

是的，根据平方和目标，这个点属于红色集群。

考虑一下，例如 DBSCAN。

【讨论】：