Fatal编程技术网
  • r/
  • 将'purrr:：map'与k-means连用

将'purrr:：map'与k-means连用

r

将'purrr:：map'与k-means连用,r,purrr,R,Purrr,我想这个 kmeans(x = matrix(1:50, 5), centers = 2, iter.max = 10) 可以写成： matrix(1:50, 5) %>% map( ~kmeans(x = .x, centers = 2, iter.max = 10)) Error in sample.int(m, k) : cannot take a sample larger than the population when 'replace = FALSE' 但第二

我想这个

 kmeans(x = matrix(1:50, 5), centers = 2, iter.max = 10)
可以写成：

matrix(1:50, 5) %>% 
map( ~kmeans(x = .x, centers = 2, iter.max = 10))

Error in sample.int(m, k) : 
  cannot take a sample larger than the population when 'replace = FALSE'
但第二种方法不起作用。如何将
kmeans
与
purrr:：map（）
结合使用？

矩阵本身就是一个具有暗淡属性的
向量。因此，当我们直接在
矩阵
上应用
映射
时，它会遍历每个单独的元素。相反，将其放在
列表中


list(matrix(1:50, 5) ) %>% 
         map( ~kmeans(x = .x, centers = 2, iter.max = 10))


请注意，对于单个
矩阵
，我们不需要
映射


 matrix(1:50, 5) %>% 
      kmeans(., centers = 2, iter.max = 10)


当我们有一个
矩阵的
列表时，它就变得很有用了


list(matrix(1:50, 5), matrix(51:100, 5)) %>% 
            map( ~kmeans(x = .x, centers = 2, iter.max = 10))



为什么您需要
地图
<代码>矩阵（1:50，5）%>%kmeans（，中心=2，iter.max=10）
。
矩阵
是具有dim属性的
向量
。当你做
map
时，它会遍历每一个观察结果。@akrun，因为在我最初的例子中，我有几个矩阵（缩放、有/没有某些变量等），我想将聚类结果相互比较。我不确定我是否得到了它。如果在
列表中有多个矩阵
，则可以应用
映射
如果在
列表中，即
列表（矩阵（1:50，5），矩阵（51:100，5））%%>%map（~kmeans（x=.x，centers=2，iter.max=10））