在 R 中输入 k-means

Question

我正在尝试对具有 69 列和 1000 行的数据帧执行 k-means。首先，我需要先使用 Davies-Bouldin 指数来确定最佳聚类数。这个算法要求输入应该是矩阵的形式，我先用了这段代码：

totalm <- data.matrix(total)

后跟以下代码（Davies-Bouldin 索引）

clusternumber<-0
max_cluster_number <- 30
#Davies Bouldin algorithm
library(clusterCrit)
smallest <-99999
for(b in 2:max_cluster_number){
a <-99999
for(i in 1:200){
cl <- kmeans(totalm,b)
cl<-as.numeric(cl)
intCriteria(totalm,cl$cluster,c("dav"))
if(intCriteria(totalm,cl$cluster,c("dav"))$davies_bouldin < a){
a <- intCriteria(totalm,cl$cluster,c("dav"))$davies_bouldin }
}
if(a<smallest){
smallest <- a
clusternumber <-b
}
}
print("##clusternumber##")
print(clusternumber)
print("##smallest##")
print(smallest)

我不断收到此错误：(list) 对象不能被强制输入“double”。 我该如何解决这个问题？

可重现的例子：

a <- c(0,0,1,0,1,0,0)
b <- c(0,0,1,0,0,0,0)
c <- c(1,1,0,0,0,0,1)
d <- c(1,1,0,0,0,0,0)

total <- cbind(a,b,c,d)

Answer 1

错误来自cl<-as.numeric(cl)。调用 kmeans 的结果是一个对象，它是一个包含有关模型的各种信息的列表。

运行?kmeans

我还建议您将 nstart = 20 添加到您的 kmeans 调用中。 k-means 聚类是一个随机过程。这将运行该算法 20 次并找到最佳拟合（即针对每个中心数）。

for(b in 2:max_cluster_number){
    a <-99999
    for(i in 1:200){
        cl <- kmeans(totalm,centers = b,nstart = 20)
        #cl<-as.numeric(cl)
        intCriteria(totalm,cl$cluster,c("dav"))
        if(intCriteria(totalm,cl$cluster,c("dav"))$davies_bouldin < a){
            a <- intCriteria(totalm,cl$cluster,c("dav"))$davies_bouldin }
    }
    if(a<smallest){
        smallest <- a
        clusternumber <-b
    }
}

这给了我

[1] "##clusternumber##"   
[1] 4
[1] "##smallest##"
[1] 0.138675

（暂时将最大集群更改为 4 作为可重现数据是一小部分）

编辑整数错误

我能够使用

重现您的错误

a <- as.integer(c(0,0,1,0,1,0,0))
b <- as.integer(c(0,0,1,0,0,0,0))
c <- as.integer(c(1,1,0,0,0,0,1))
d <- as.integer(c(1,1,0,0,0,0,0))

totalm <- cbind(a,b,c,d)

这样就创建了一个整数矩阵。

然后我可以通过使用来消除错误

storage.mode(totalm) <- "double"

注意

total <- cbind(a,b,c,d)
totalm <- data.matrix(total)

本例中的数据不需要

> identical(total,totalm)
[1] TRUE