R kmeans (统计数据) vs Kmeans (amap)

Question

你好，堆栈溢出社区，

我在Iris数据集上运行kmeans (stats包)和Kmeans (amap包)。在这两种情况下，我使用相同的算法(劳埃德-Forgy)、相同的距离(欧几里德)、相同的初始随机集数(50)、相同的最大迭代次数(1000)，并对相同的k值集(从2到15)进行测试。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，我得到了不同的wss曲线，特别是:使用stats包的“肘部”比使用amap包时要轻得多。

你能帮我理解一下原因吗？非常感谢！

在这里，代码：

# 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)")

编辑：，我已经给amap软件包的作者发了邮件，如果我收到回复的话，我会发回复的。https://cran.r-project.org/web/packages/amap/index.html

Answer 1

作者的amap软件包，改变了代码和值的withinss变量是和应用的方法。欧几里德距离)

解决这一问题的一种方法是，给定Kmeans函数(amap)的返回，重新计算withinss (误差平方和(SSE) )的值。

以下是我的建议：

#使用Kmeans (amap)

    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)
    }

请注意。这个包中的pearson方法是错误的(小心!)关于0.8-14版。

根据此链接中的代码，第325行：

T.inl