如何使用 PAM 数据在 fviz_cluster 中定义维度？答案

【问题标题】：How to define dimensions in fviz_cluster with PAM data?如何使用 PAM 数据在 fviz_cluster 中定义维度？
【发布时间】：2023-03-23 22:21:01
【问题描述】：

我有一个数据框，它被划分为行中的样本和列中的变量

在进行 PCA 时：

   df.pca <- PCA(df, graph = FALSE, ncp = Inf)
   df.coord <- data.frame(df.pca$ind$coord)

然后对我的 PCA 数据进行 k-means：

   df.kmeans = kmeans(df.coord, 3, nstart = 25)

并可视化集群形成：

   fviz.cluster(object = df.kmeans, data = df.pca)

我得到了一个尺寸正确的漂亮图表（我的数据的 dim1 75% 和 dim 2 12%，由 PCA 计算）。

但如果我用 k-medoid 算法 (PAM) 做同样的事情：

   df.pca <- PCA(df, graph = FALSE, ncp = Inf)
   df.coord <- data.frame(flies.todos.pca$ind$coord)
   df.pam = pam(df.coord, 3, nstart = 25)  

   fviz.cluster(object = df.pam, data = df.pca)

我得到的尺寸不正确（dim1 3.4%，dim 2 3.4%）与完全相同的数据。

如何将维度定义为 PCA 的维度？

我试过了：

    fviz.cluster(object = df.pam, data = df.coord)
    fviz.cluster(object = df.pam, data = df)

没有成功，我总是得到 3.4% 的维度，甚至不接近 PCA 值

【问题讨论】：

标签： r cluster-analysis k-means pca

【解决方案1】：

我遇到了同样的问题。只是你应该输入参数 stand = FALSE

因为如果为 TRUE，则在主成分分析之前对数据进行标准化（：

【讨论】：

【解决方案2】：

好吧，经过简单的探索，我已经知道了答案。对于 pam() 函数，PCA 总是自动完成。所以基本上我是在对 PCA 数据进行 PCA，这完全没有意义。如果您要使用 pam() 或任何其他算法进行聚类，请检查 PCA 是否自动完成！

【讨论】：