R-连续K-均值聚类运算

Question

假设我们有一个10x5数据集，其中包含10个葡萄酒样品(行)的5个化学测量(例如，var1、var2、var3、var4、var5)。我们想用k均值聚类对葡萄酒样品进行化学测量。这样做很容易。但是，我想要执行连续的聚类，首先使用单个化学测量对葡萄酒样本进行聚类，然后对var1、var2、var3、var4和var5 (所有一元、二进制、三元、四元和五元组合)执行聚类操作。

换句话说，我对葡萄酒样品进行聚类的兴趣是基于列中所有可能的组合，这将导致总共31种聚类结果，例如基于(1)var1、(2)var2、(3)var3、(4)var4、(5)var5、(6)var1和var2、(7)var1和var3、.、.var1、var2、var3、var4和var5。

我如何在R中创建这样一个循环？

Answer 1

假设您有一个数据集：

set.seed(144)
dat <- matrix(rnorm(100), ncol=5)

现在，您可以获得所有列的子集(由逻辑向量指示是否保留每一列)，删除第一列(这将删除所有列)。

(cols <- do.call(expand.grid, rep(list(c(F, T)), ncol(dat)))[-1,])
#     Var1  Var2  Var3  Var4  Var5
# 2   TRUE FALSE FALSE FALSE FALSE
# 3  FALSE  TRUE FALSE FALSE FALSE
# 4   TRUE  TRUE FALSE FALSE FALSE
# ...
# 31 FALSE  TRUE  TRUE  TRUE  TRUE
# 32  TRUE  TRUE  TRUE  TRUE  TRUE

最后一步是对列的每个子集运行k均值集群，这是apply的一个简单应用程序(假设您希望在每个模型中包含3个集群)：

mods <- apply(cols, 1, function(x) kmeans(dat[,x], 3))

您可以使用列表索引访问您的31k均值模型中的每一个。例如：

mods[[1]]
# K-means clustering with 3 clusters of sizes 7, 5, 8
# 
# Cluster means:
#         [,1]
# 1 -1.4039782
# 2 -0.4215221
# 3  0.3227336
# 
# Clustering vector:
#  [1] 1 3 2 1 1 3 3 1 3 3 2 3 2 1 3 3 2 1 1 2
# 
# Within cluster sum of squares by cluster:
# [1] 0.4061644 0.1438443 0.7054191
#  (between_SS / total_SS =  89.9 %)
# 
# Available components:
# 
# [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"   
# [7] "size"         "iter"         "ifault"   

Answer 2

# create a dummy matrix
dummy <- matrix(rnorm(10 * 5), 10, 5)

# create all the combinations of variables
combos <- lapply(1:5, function(x) t(combn(1:5, x)))    

# loop over the combination sets and fit a k-means with 2 clusters to each
kms <- lapply(combos, function(x) {
  lapply(1:nrow(x), function(y) {
    kmeans(dummy[,x[y,]], 2)
  })
})

> sapply(kms, length)
[1]  5 10 10  5  1

# access the results like so:
> kms[[1]][[1]]
K-means clustering with 2 clusters of sizes 3, 7
...