R kmeans（统计数据）与kmeans（amap）

大家好，我的社区

我正在Iris数据集上运行kmeans（统计数据包）和kmeans（amap包）。在这两种情况下，我使用相同的算法（Lloyd–Forgy）、相同的距离（欧几里德）、相同数量的初始随机集（50）、相同的最大迭代次数（1000），并测试相同的k值集（从2到15）。对于这两种情况，我也使用相同的种子（4358）

我不明白为什么在这些条件下，我会得到不同的wss曲线，特别是：使用stats包时的“肘部”比使用amap包时要轻得多

你能帮我弄明白为什么吗？多谢

代码如下：

# data load and scaling
newiris <- iris
newiris$Species <- NULL
newiris <- scale(newiris)

# using kmeans (stats)
wss1 <- (nrow(newiris)-1)*sum(apply(newiris,2,var))
for (i in 2:15) {
  set.seed(4358)
  wss1[i] <- sum(kmeans(newiris, centers=i, iter.max=1000, nstart=50,
                       algorithm="Lloyd")$withinss)
  }

# using Kmeans (amap)
library(amap)
wss2 <- (nrow(newiris)-1)*sum(apply(newiris,2,var))
for (i in 2:15) {
  set.seed(4358)
  wss2[i] <- sum(Kmeans(newiris, centers=i, iter.max=1000, nstart=50,
                       method="euclidean")$withinss)
  }

# plots
plot(1:15, wss1, type="b", xlab="Number of Clusters",
     ylab="Within groups sum of squares", main="kmeans (stats package)")
plot(1:15, wss2, type="b", xlab="Number of Clusters",
     ylab="Within groups sum of squares", main="Kmeans (amap package)")

#数据加载和缩放
newirisamap软件包的作者更改了代码，withinss变量的值是方法应用的总和（如欧几里德距离）

解决此问题的一种方法是，给定Kmeans函数（amap）的返回值，重新计算withinss（误差平方和（SSE））的值

以下是我的建议：

#使用Kmeans（amap）

库（amap）
wss2如果您想进一步挖掘，只需键入函数名并点击enter@pcantalupo，即可阅读每个函数的源代码。我正在阅读代码并试图理解它。对于可能的重复：感谢指针。我正在使用该帖子中建议的种子。我注意到的区别不是相同函数的不同运行之间的差异，而是两种不同实现之间的差异（stats与map包）。旁注：当我运行带有和不带有
set.seed（4358）
的Kmeans（amap）时，我得到的是相同的was图，我认为是weirdIs，在您设置了一次种子之后？是的@Elin，我为每个循环设置了一次种子：在Kmeans（stats）之前和在Kmeans（amap）之前各一次，在两个实例中都是一样的（
set.seed（4358）
）。
    library(amap)

    wss2 <- (nrow(newiris)-1)*sum(apply(newiris,2,var))

    for (i in 2:15) {

            set.seed(4358)

            ans.Kmeans <- Kmeans(newiris, centers=i, iter.max=1000, nstart=50, method="euclidean")

            wss <- vector(mode = "numeric", length=i) 

            for (j in 1:i) {
                    km = as.matrix(newiris[which(ans.Kmeans$cluster %in% j),])

                    ## average = as.matrix( t(apply(km,2,mean) )) 
                    ## wss[j] =  sum( apply(km, 1, function(x) sum((x-average) ^ 2 )))
                    ## or                         
                    wss[j] <- ( nrow(km)-1) * sum(apply(km,2,var))
            }

            wss2[i] = sum(wss)
    }