SPSS K-means &R

Question

下面是我在SPSS中使用的语法示例：

QUICK CLUSTER VAR1 TO VAR10       
   /MISSING=LISTWISE                  
   /CRITERIA=CLUSTER(5) MXITER(50) CONVERGE(.02)
   /METHOD=KMEANS(NOUPDATE)

谢谢!

Answer 1

在SPSS中，使用/PRINT INITIAL选项。这将给出初始聚类中心，这些中心在SPSS中似乎是固定的，但在R中是随机的(参数centers请参见?kmeans)。

如果您使用从SPSS输出打印的初始聚类中心和kmeans中的argument="Lloyd"参数，您应该会得到相同的结果(至少它对我有效，多次重复测试)。

初始聚类中心的SPSS输出示例：

           Cluster
           Cl1  Cl2  Cl3  Cl4
Var A      1    1    4    3
Var B      4    1    4    1
Var C      1    1    1    4
Var D      1    4    4    1
Var E      1    4    1    2
Var F      1    4    4    3

此表复制为R中的矩阵，使用k均值计算：

mat <- matrix(c(1,1,4,3,4,1,4,1,1,1,1,4,1,4,4,1,1,4,1,2,1,4,4,3), nrow=4, ncol=6)
kmeans(na.omit(data.frame), centers=mat, iter.max=20, algorithm="Lloyd")

确保在SPSS和R-kemans中使用相同的最大迭代次数，并在R-kmeans中使用Lloyd方法。

然而，我不知道初始中心是固定的还是随机选择的更好。我个人喜欢随机选择，并用发现的聚类组计算线性判别分析来评估分类准确性，并重新运行kmeans聚类，直到我有一个统计组分类。

编辑:我找到了this posting，其中描述了选择初始聚类的过程。也许有人知道R实现？