R 验证模糊聚类

我想在一个包含41个变量和415个观测值的大型无监督数据集上使用模糊C均值聚类。然而，我一直在尝试验证这些集群。当我用随机数的聚类进行绘图时，我可以解释总共54%的方差，这不是很大，而且没有像使用

iris

数据库那样的非常好的聚类

首先，我在3个集群上运行

fcm

，使用scales数据查看，但如果我试图找到搜索最佳集群数量的方法，那么我不想设置任意定义的集群数量

所以我转向谷歌，谷歌搜索：“R.中的valdiate模糊聚类”，但我仍然需要尝试大量不同数量的聚类。我查看了

advclust

、

ppclust

和

clvalid

软件包，但没有找到函数的演练。我查看了每个包的文档，但也看不出下一步该做什么

我浏览了一些可能的集群，并用范妮提供的

k.crisp

对象检查了每个集群。我从100开始，一直到4。根据文档中的对象描述

k、 crisp=整数（≤ k）给出脆簇的数量；可以少于 k，其中建议减少memb.exp

这似乎不是一种有效的方法，因为它是比较清晰聚类和模糊聚类的数量

是否有一个功能，我可以从

2:10

集群检查集群的有效性？另外，是否值得检查1个集群的有效性？我认为这是一个愚蠢的问题，但我有一种奇怪的感觉1最佳集群可能就是我得到的。（如果我得到一个集群，除了在里面哭一点，还有什么建议吗？）

代码

library(cluster)
library(factoextra)
library(ppclust)
library(advclust)
library(clValid)
data(iris)
df<-sapply(iris[-5],scale)
res.fanny<-fanny(df,3,metric='SqEuclidean')
res.fanny$k.crisp
# When I try to use euclidean, I get the warning all memberships are very close to 1/l. Maybe increase memb.exp, which I don't fully understand
# From my understanding using the SqEuclidean is equivalent to Fuzzy C-means, use the website below. Ultimately I do want to use C-means, hence I use the SqEuclidean distance
fviz_cluster(Res.fanny,ellipse.type='norm',palette='jco',ggtheme=theme_minimal(),legend='right')
fviz_silhouette(res.fanny,palette='jco',ggtheme=theme_minimal())

# With ppclust
set.seed(123)
res.fcm<-fcm(df,centers=3,nstart=10)

库（集群）
图书馆（额外）
图书馆（ppclust）
图书馆（advclust）
图书馆（clValid）
数据（iris）
df据我所知，您需要检查不同数量的聚类，看看解释的方差百分比如何随不同数量的聚类而变化。这种方法称为弯头法

wss <- sapply(2:10, 
       function(k){fcm(df,centers=k,nstart=10)$sumsqrs$tot.within.ss})

plot(2:10, wss,
     type="b", pch = 19, frame = FALSE, 
     xlab="Number of clusters K",
     ylab="Total within-clusters sum of squares")

wss我在寻找一种更正式的方法。但这不是使用K均值聚类吗？目标是相似的，所以我认为我们可以使用这种方法。请检查这篇文章，他们使用k=1作为零假设，并使用某种度量，在图上寻找“弯头”。