¿Qué inspiró esta solicitud de lista de deseos? Me gustaría ejecutar una agrupación en clústeres donde los centros de los clústeres (medoides) estén restringidos a filas en la tabla de datos (a diferencia de las medias de km, donde la media puede no ser una fila en la tabla y cumplir con las restricciones).
¿Qué mejora le gustaría ver? Quizás podría añadirla en el menú Analizar > Agrupación. Aquí tiene un ejemplo de código R.
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
¿Por qué es importante esta idea?
Quiero usar esto en tablas producidas por Output Random Table en Profiler para seleccionar un subconjunto de diferentes configuraciones de factores altamente deseables, y necesito esto en lugar de k-means para cuando hay restricciones mixtas u otras.
Es una sugerencia interesante. La discutiremos internamente. Gracias por publicarla.
