如何从 flexclust 生成集群的性能统计信息？

Question

在尝试了一些聚类算法后，我在使用flexclust::kcca 和family = kccaFamily("angle") 的数据集上获得了最佳性能。

这是一个使用来自flexclust 的Nclus 数据集的示例。

library(fpc)
library(flexclust)
data(Nclus)

k <- 4
family <- flexclust::kccaFamily("angle")
model <- flexclust::kcca(Nclus, k, family)

现在我想优化集群的数量。使用fpc::cluster.stats 似乎可以找到最全面的集群模型性能指标集。该函数需要两个输入：一个距离矩阵和分配的簇。

后者很容易；只是model@cluster。

我正在为距离矩阵提供什么而苦苦挣扎。 kcca 不返回距离对象（如果有，我也没有找到）。

我想我通常会使用dist(Nclus)。在这种情况下，我不想要欧几里得距离（或dist 可用的任何其他方法）——我想要聚类算法使用的距离度量。我可以使用该函数中的代码重新创建kcca 使用的距离矩阵。

control <- as(list(), "flexclustControl")
centers <- flexclust:::initCenters(Nclus, k, family, control)
distmat <- distAngle(Nclus, centers$centers)

然后我应该能够使用

计算集群模型统计信息

fpc::cluster.stats(distmat, model@cluster)

问题是给我两个关于距离参数的警告。

Warning messages:
1: In as.dist.default(d) : non-square matrix
2: In as.matrix.dist(d) :
  number of items to replace is not a multiple of replacement length

这让我怀疑我给了它错误的东西。

我应该如何将距离矩阵传递给cluster.stats？

Answer 1

我猜你应该使用

distmat <- distAngle(Nclus, Nclus)

但是，从建模的角度来看，我不确定这是否有意义：要检查集群输出的性能，您应该使用更适合您的特定用例的指标；这可能（也可能不是）是 L1 距离：

distmat <- dist(Nclus, "manhattan")

特别是，我猜想最小化“观察与质心/标准化平均值之间的角度”与最小化观察之间的集群内角度不同；我也猜想后一个数量对于建模目的并不是特别有用。换句话说，我将 distAngle 视为识别 k 个集群的替代方式（“技巧”），但我会通过其他指标评估识别的集群。希望这对您有意义...