在k-means聚类分析中用R求聚类均值
我使用k-means算法创建了两个集群。每个集群包含4个变量。如果我想获得每个集群中每个变量的平均值,我应该:在k-means聚类分析中用R求聚类均值,r,cluster-analysis,k-means,R,Cluster Analysis,K Means,我使用k-means算法创建了两个集群。每个集群包含4个变量。如果我想获得每个集群中每个变量的平均值,我应该: clusteredsubset$centers 或 其中,y是数据矩阵(4列),而clusteredsubset是kmeans的结果,我将使用: means = sapply(split(clusteredsubset, clusteredsubset$cluster),function(x) {return(sapply(x,function(x){return(mean
clusteredsubset$centers
或
其中,y
是数据矩阵(4列),而clusteredsubset
是kmeans
的结果,我将使用:
means = sapply(split(clusteredsubset, clusteredsubset$cluster),function(x)
{return(sapply(x,function(x){return(mean(x))}))})
我将使用:
means = sapply(split(clusteredsubset, clusteredsubset$cluster),function(x)
{return(sapply(x,function(x){return(mean(x))}))})
任何一个都可以,因为它们给出相同的结果。但是既然
kmeans
返回centers
,为什么不使用它呢
以下内容基于?kmeans
中的第一个示例:
set.seed(0)
x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")
cl <- kmeans(x, 2)
## what `kmeans` returns
cl$centers
# x y
#1 -0.0008158201 -0.008394296
#2 0.9261878482 1.029984748
## manual computation
colMeans(x[cl$cluster == 1, ])
# x y
#-0.0008158201 -0.0083942957
colMeans(x[cl$cluster == 2, ])
# x y
#0.9261878 1.0299847
任何一个都可以,因为它们给出相同的结果。但是既然
kmeans
返回centers
,为什么不使用它呢
以下内容基于?kmeans
中的第一个示例:
set.seed(0)
x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")
cl <- kmeans(x, 2)
## what `kmeans` returns
cl$centers
# x y
#1 -0.0008158201 -0.008394296
#2 0.9261878482 1.029984748
## manual computation
colMeans(x[cl$cluster == 1, ])
# x y
#-0.0008158201 -0.0083942957
colMeans(x[cl$cluster == 2, ])
# x y
#0.9261878 1.0299847