907340_zh-CN

liliconcom

添加中心点聚类

是什么启发了我提出这个愿望清单？我希望运行聚类分析，其中聚类中心 (medoids) 被限制为数据表中的行（这与 kmeans 不同，kmeans 中的均值可能不是表中的一行，并且满足约束条件）。

您希望看到哪些改进？或许可以在“分析”>“聚类”菜单中添加。以下是一些 R 代码示例。

library(cluster)
n <- 200
X <- data.frame(
  x1 = rnorm(n),
  x2 = runif(n, 0, 10),
  f1 = factor(sample(letters[1:3], n, TRUE)),
  f2 = factor(sample(c("lo","mid","hi"), n, TRUE))
)
d   <- daisy(X, metric = "gower")
fit <- pam(d, k = 5, diss = TRUE)
cl <- fit$clustering          
medoid_rows <- fit$id.med    
cat("Medoid row indices:", medoid_rows, "\n\n")
cat("Medoid rows (one per cluster):\n")
print(X[medoid_rows, ], row.names = FALSE)
cat("\nCluster sizes:\n")
print(table(cl))

> cat("Medoid row indices:", medoid_rows, "\n\n") Medoid row indices: 170 111 191 200 68 > cat("Medoid rows (one per cluster):\n") Medoid rows (one per cluster): > print(X[medoid_rows, ], row.names = FALSE)  x1 x2 f1 f2 -0.42460961 4.116528 b mid -0.08807738 7.593479 b hi -0.32078302 2.121084 c lo 0.28653902 4.962979 c mid 0.30942313 2.652641 a lo > cat("\nCluster sizes:\n")  Cluster sizes: > print(table(cl)) cl 1 2 3 4 5 33 43 43 35 46 

为什么这个想法很重要？

我想在由 Profiler 中的输出随机表生成的表上使用它来选择不同的高度理想因子设置的子集，并且当存在混合或其他约束时需要它而不是 k-means。

基本数据分析与建模数据探索与可视化回复：添加中心点聚类 - 状态已更改为：已确认

这是一个很有意思的建议，我们会内部讨论。感谢您的发帖。