如何在 R 中执行 k-mean 聚类

Question

我正在尝试探索creditcard fraud dataset 来学习 R 和 k-means 聚类。但是我在获得最佳集群数量时遇到了一个问题。不幸的是，关于该错误甚至如何在 R 中执行 kmeans 聚类的发现都不是谷歌。我想知道警告是什么？为什么结果只显示 1 个集群？提前致谢！

代码：

data = read.csv("creditcard.csv")
scaled_data <- scale(data )
wss <- (nrow(scaled_data)-1)*sum(apply(scaled_data,2,var))
for (i in 2:100) wss[i] <- sum(kmeans(scaled_data, centers=i)$withiness)
plot(1:100, wss, type='b', xlab="Clusters", ylab="WSS")

警告：

Warning messages:
1: Quick-TRANSfer stage steps exceeded maximum (= 14240350) 
2: did not converge in 10 iterations 
3: Quick-TRANSfer stage steps exceeded maximum (= 14240350) 
4: did not converge in 10 iterations 

Answer 1

您的代码有几个问题。让我们使用 R 上可用的示例数据集来完成它，因为您没有提供可重现的数据：

data(iris)
scaled_iris <- scale(iris[, -5])

由于数据已被缩放，所有的方差都是 1，所以这就是您计算总数所需的全部内容：

wss <- sum(colSums(scaled_iris^2))
wss
# [1] 596

现在是集群。我将包含@mhovd 提到的参数及其默认值（没有收敛的参数）。如果您收到警告，则将 iter.max= 增加到 15 或 20 或更多。这并不能保证任何数量的组的结果都是最佳的。要增加发生这种情况的机会，您应该使用 nstart= 参数并将值设置为 5 或更大：

for (i in 2:100) wss[i] <- kmeans(scaled_iris, centers=i, iter.max=10)$tot.withinss
head(wss);tail(wss)
# [1] 596.00000 220.87929 138.88836 113.97017 104.98669  81.03783
# [1] 3.188483 2.688470 2.716485 2.535701 2.497792 2.116150
plot(wss, type='b', xlab="Clusters", ylab="WSS")

请注意，您拼错了withinss，并且您没有意识到kmeans 将它们的总和返回为tot.withinss。阅读手册页?kmeans 总是好的。请注意，您不需要 1:100，因为如果您只提供一个向量，绘图函数将自动提供连续整数。