R K-均值聚类方法

我正试图在

R

中生成集群方式的合适图形显示

如何将属性放置在

x轴上

，并将每个簇的

均值

视为项目的轨迹

---

所有数据都是连续的。

以下方法如何：由于变量处于类似的测量尺度（如Likert尺度），您可以显示每个簇内每个变量的分布（如箱线图），并通过使用每个簇上相同的轴限制，直观地比较其分布

这可以通过将数据放入适当的格式并使用

ggplot2

包生成绘图来实现。如下所示

步骤1：生成模拟数据以模拟您拥有的数字数据 生成的数据包含四个非负整数变量和一个包含3个簇的簇变量

library(ggplot2)
    
set.seed(1717)    # make the simulated data repeatable
N = 100
nclusters = 3
cluster = as.numeric( cut(rnorm(N), breaks=nclusters, label=seq_len(nclusters)) )
df = data.frame(cluster=cluster,
                x1=floor(cluster + runif(N)*5),
                x2=floor(runif(N)*5),
                x3=floor((nclusters-cluster) + runif(N)*5),
                x4=floor(cluster + runif(N)*5))
df$cluster = factor(df$cluster)  # define cluster as factor to ease plotting code below
tail(df)
table(df$cluster)

其输出为：

    cluster x1 x2 x3 x4
95        2  5  2  5  2
96        3  5  4  0  3
97        3  3  3  1  7
98        2  5  4  3  3
99        3  6  1  1  7
100       3  5  1  2  5

 1  2  3 
15 64 21 

     cluster var value id
1.x1       1  x1     5  1
2.x1       1  x1     3  2
3.x1       3  x1     5  3
4.x1       1  x1     1  4
5.x1       2  x1     3  5
6.x1       1  x1     2  6

  1   2   3 
 60 256  84 

i、 例如，在100个模拟案例中，数据包含集群1中的15个案例、集群2中的64个案例和集群3中的21个案例

步骤2：准备用于打印的数据 在这里，我们使用

stats

包中的

reformate（）

将数据集从宽到长进行转换，以便将四个数值变量（

x1

，

x2

，

x3

，

x4

）放在一列中，适用于为四个变量中的每一个生成箱线图，然后根据集群变量进行分组

vars2transpose = c("x1", "x2","x3", "x4")
df.long = reshape(df, direction="long", idvar="id",
                  varying=list(vars2transpose),
                  timevar="var", times=vars2transpose, v.names="value")
head(df.long)
table(df.long$cluster)

其输出为：

    cluster x1 x2 x3 x4
95        2  5  2  5  2
96        3  5  4  0  3
97        3  3  3  1  7
98        2  5  4  3  3
99        3  6  1  1  7
100       3  5  1  2  5

 1  2  3 
15 64 21 

     cluster var value id
1.x1       1  x1     5  1
2.x1       1  x1     3  2
3.x1       3  x1     5  3
4.x1       1  x1     1  4
5.x1       2  x1     3  5
6.x1       1  x1     2  6

  1   2   3 
 60 256  84 

请注意，由于数据现在是转置的长格式，每个集群中的案例数量增加了4倍（即数字变量的数量）

步骤3：使用线连接方式通过集群创建变量的箱线图 我们绘制每个变量

x1

，

x2

，

x3

，

x4

的水平箱线图，显示它们在每个簇中的分布，并用连接的红色十字标记平均值（您所追踪的轨迹）

---

什么是轨迹？欢迎来到SO！请添加一些数据、代码和所需结果的清晰模型，以获得帮助。我创建了4个K-means群集，现在我正试图找到一种方法来显示群集平均值，并显示每个群集中使用的属性。这只是我想到的一个想法，但我确信这是否是一个合适的想法。