k-modes 聚类后为新数据分配聚类的简单方法

Question

我正在使用由数据框 mydf1 创建的 k-modes 模型 (mymodel)。我希望为新数据框mydf2 的每一行分配最近的mymodel 集群。 Similar to this question - just with k-modes instead of k-means。 flexclust 包的 predict 函数仅适用于数字数据，不适用于分类数据。

一个简短的例子：

require(klaR)
set.seed(100)
mydf1 <- data.frame(var1 = as.character(sample(1:20, 50, replace = T)),
                    var2 = as.character(sample(1:20, 50, replace = T)),
                    var3 = as.character(sample(1:20, 50, replace = T)))
mydf2 <- data.frame(var1 = as.character(sample(1:20, 50, replace = T)),
                    var2 = as.character(sample(1:20, 50, replace = T)),
                    var3 = as.character(sample(1:20, 50, replace = T)))
mymodel <- klaR::kmodes(mydf1, modes = 5)
# Get mode centers
mycenters <- mymodel$modes
# Now I would want to predict which of the 5 clusters each row 
# of mydf2 would be closest to, e.g.:
# cluster2 <- predict(mycenters, mydf2)

是否已经有一个函数可以使用 k-modes 模型进行预测，或者最简单的方法是什么？谢谢！

Answer 1

我们可以使用 kmodes 算法中使用的距离度量将每个新行分配给其最近的集群。

## From klaR::kmodes

distance <- function(mode, obj, weights) {
  if (is.null(weights)) 
    return(sum(mode != obj))
  obj <- as.character(obj)
  mode <- as.character(mode)
  different <- which(mode != obj)
  n_mode <- n_obj <- numeric(length(different))
  for (i in seq(along = different)) {
    weight <- weights[[different[i]]]
    names <- names(weight)
    n_mode[i] <- weight[which(names == mode[different[i]])]
    n_obj[i] <- weight[which(names == obj[different[i]])]
  }
  dist <- sum((n_mode + n_obj)/(n_mode * n_obj))
  return(dist)
}

AssignCluster <- function(df,kmeansObj)
{
  apply(
    apply(df,1,function(obj)
  {
    apply(kmeansObj$modes,1,distance,obj,NULL)
  }),
  2, which.min)
}

AssignCluster(mydf2,mymodel)

[1] 4 3 4 1 1 1 2 2 1 1 5 1 1 3 2 2 1 3 3 1 1 1 1 1 3 1 1 1 3 1 1 1 1 2 1 5 1 3 5 1 1 4 1 1 2 1 1 1 1 1

请注意，这可能会产生大量与多个集群同样远的条目，然后which.min 将选择编号最小的集群。