在 Base R 中执行 K

#在 Base R 中执行 K| 来源: 网络整理| 查看: 265

当前位置：主页 > 学无止境 > 编程语言 > WEB前端编程语言网络算法操作系统数据库在 Base R 中执行 K-Means 聚类作者：迹忆客最近更新：2023/03/21 浏览次数：

本文展示了如何在 R 中执行 K-means 聚类。包括可视化在内的所有步骤都使用基本 R 函数进行了演示。

关于 R 中的 K-Means 聚类

K-means 聚类是一种无监督统计技术，可将数据集划分为不相交的同质子组。

在进行 K-means 聚类时，我们必须牢记以下几点。

所有变量都必须是数字，因为方法取决于计算方法和距离。用数字编码的因子数据不是数字。我们的数据集中应该没有因变量。该方法将每个观测值分配给一个集群。因此，它对异常值和数据变化很敏感。它适用于不相交的集群，但在数据具有重叠集群的情况下效果不佳。 R 中的 kmeans() 函数

Base R 包含用于 K-means 聚类的 kmeans() 函数。

我们将使用以下参数。

第一个参数是数据。第二个参数，centers，是集群的数量。第三个参数，nstart，是用不同的初始质心重复聚类的次数。

K-means 算法给出了组内总平方和的局部最优值。这个局部最优取决于随机选择的初始质心。

因此，nstart 用于重复聚类。该函数返回总数最低的集群。

R 中的 K-Means 模型

为了创建 K-means 模型，我们将创建一个包含两个变量和三个集群的数据框。

示例代码：

# Vectors for the data frame. set.seed(4987) M1 = rnorm(13) set.seed(9874) M2 = rnorm(11) + 3 set.seed(8749) N1 = runif(13) set.seed(7498) N2 = runif(11) -2 set.seed(6237) M3 = rnorm(14) - 6 set.seed(2376) N3 = runif(14) + 1 # Data frames. df1 = data.frame(M1, N1) colnames(df1) = c("M","N") df2 = data.frame(M2, N2) colnames(df2) = c("M","N") df3 = data.frame(M3,N3) colnames(df3) = c("M","N") DF = rbind(df1, df2, df3) # Final data frame.

让我们可视化这些数据。

示例代码：

plot(DF)

数据框图：

我们现在将创建 K-means 模型。

示例代码：

# The K-means model. set.seed(9944) km_1 = kmeans(DF, centers=3, nstart = 20)

我们模型中的变量 cluster 保存了算法得出的集群标签。变量 tot.withinss 保存组内总平方和。

让我们看看算法分配的集群标签。唯一重要的是属于一个集群的观察应该具有相同的标签。

示例代码：

km_1$cluster

输出：

> km_1$cluster [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2

我们发现集群被正确识别。

簇数 (K)

实际上，我们可能不知道我们的数据有多少簇。在这种情况下，我们需要尝试不同的 K 值，看看哪个值给出了相当低的组内总平方和。

问题是，随着 K 的增加，我们将在数据点附近创建更多的质心，并且组内总平方和将下降。

因此，我们需要找到一个相当小的 K 来发现数据中存在的集群，但不会过度拟合。

通常的方法称为肘弯法。我们从 1 开始为不同的 K 值创建模型，并绘制每个模型的组内总平方和。

我们在图中寻找直线斜率变化最大的点。它看起来像手臂的肘关节。为模型选择了那个特定的 K。

在示例代码中，我们将使用一个循环来创建模型，并使用一个向量来存储每个模型的组内总平方和。

示例代码：

# Create a vector to hold the total within-group sum of squares of each model. vec_ss = NULL # Create a loop that creates K-means models with increasing value of K. # Add the total within group sum of squares of each model to the vector. for(k in 1:20){ set.seed(8520) vec_ss[k] = kmeans(DF, centers=k, nstart=18)$tot.withinss } # View the vector with the total sum of squares of the 20 models. vec_ss # Plot the values of the vector. plot(vec_ss, type="l", xaxp=c(0,20,10), xlab="K", ylab="Total within-group-ss")

输出：

用于估计正确 K 的肘弯图：

肘部弯曲在 K = 3，这是我们数据的正确值。

在 R 中可视化集群

我们可以用散点图可视化集群。颜色参数 col 区分集群。

簇编号为 1、2、3； col 参数从现有调色板中为相应的点选择这些颜色。

示例代码：

plot(DF, col=km_1$cluster, pch=19)

输出：

K 均值聚类图。

当有两个以上的变量时，我们可以执行以下操作。

创建 K-means 模型并获得 cluster 向量。创建一个主成分模型。绘制前两个主成分。

示例代码：

# First, we will add a third variable to our data frame. O1 = rnorm(13,10,2) O2 = rnorm(11, 5,3) O3 = rnorm(14,0,2) O = as.data.frame(c(O1,O2,O3)) colnames(O) = "O" DF = cbind(DF, O) ################################## # The K-means model. km_2 = kmeans(DF, centers=3, nstart=20) # The PCA model. pca_mod = prcomp(DF) # Visualize the first two principal components with the cluster labels as color. plot(pca_mod$x[,1:2], col=km_2$cluster, pch=19, cex=2)

输出：

带有聚类的 PCA 散点图。

其他实际考虑 kmeans() 函数使用随机数生成初始质心。使用 set.seed() 函数使我们的代码可重现。我们必须删除具有缺失值的观测值才能使用 kmeans() 函数。为此，我们可以使用 na.omit() 函数。我们可以选择使用 scale() 函数缩放每个变量，使其具有 0 的 mean 和 1 的 sd。

上一篇：将数据框从 R 导出到 Microsoft Excel

下一篇：在 R Studio 中将当前文件的位置设置为工作目录

相关文章在 R 中生成规则的数字序列

发布时间：2023/03/21 浏览次数：64 分类：编程语言

本文展示了如何使用冒号运算符和 seq() 函数在 R 中轻松生成规则的数字序列。

使用 R 中的 as.numeric 函数将因子转换为数字

发布时间：2023/03/21 浏览次数：121 分类：编程语言

本文介绍了如何使用 R 中的 as.numeric 函数将 factor 转换为 numeric。

在 R 中将因子转换为日期

发布时间：2023/03/21 浏览次数：172 分类：编程语言

本教程演示了使用 as.Date() 和 ymd() 函数在 r 语言中将因子转换为日期。

在 R 中将多列从整数转换为数字类型

发布时间：2023/03/21 浏览次数：159 分类：编程语言

本文展示了如何使用 R 中的单个命令将多个列从整数类型转换为数值类型。示例包括用于执行转换的基本 R 和 dplyr 方法。

在 R 中逐行读取文本文件

发布时间：2023/03/21 浏览次数：109 分类：编程语言

本文展示了如何在 R 中逐行处理或读取纯文本文件。它使用显式打开的连接和 readLines 函数使用循环顺序读取文件。

在 R Studio 中将当前文件的位置设置为工作目录

发布时间：2023/03/21 浏览次数：143 分类：编程语言

本文展示了如何将当前 R 脚本或 Rmd 文件的位置或路径设置为 R Studio 中的工作目录，而无需任何用户干预或交互。它显示了三种特定于 R Studio 的方法和一种更普遍适用的方法。

将数据框从 R 导出到 Microsoft Excel

发布时间：2023/03/21 浏览次数：113 分类：编程语言

本文介绍如何使用 write.csv() 函数和其他包提供的函数将数据框从 R 导出到 Microsoft Excel。它还解决了打开 CSV 文件时可能出现的问题。

转载请发邮件至 [email protected] 进行申请，经作者同意之后，转载请以链接形式注明出处

本文地址：

【本文地址】

在 Base R 中执行 K

在 Base R 中执行 K

今日新闻

推荐新闻