R中K-均值聚类问题

Question

当我尝试对标准虹膜数据进行K-均值聚类时

library('tidyverse')
iris_Cluster <- kmeans(iris[, 3:4], 2, nstart = 10)
iris$cluster <- as.factor(iris_Cluster$cluster)
p_iris <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color=cluster)) + geom_point()
print(p_iris)

​

​

我得到一点属于错误的星系团。有什么问题吗？这就是K均值聚类算法的弱点吗？如何获得适当的结果？分区聚类的好算法是什么？

Answer 1

属于“错误”集群的点是点99。它的Petal.Length =3和Petal.Width = 1.1。您可以从

iris_Cluster$centers
  Petal.Length Petal.Width
1     4.925253   1.6818182
2     1.492157   0.2627451

您可以看到从点99到集群中心的距离

as.matrix(dist(rbind(iris_Cluster$centers, iris[99,3:4])))
          1        2       99
1  0.000000 3.714824 2.011246
2  3.714824 0.000000 1.724699
99 2.011246 1.724699 0.000000

点99靠近星系团中心(1.49，0.26)。问题是k-方法选择的是离点最近的星系团中心，而不是基于邻近点簇的有意义的中心。正如@Anony-Mousse所建议的，DBSCAN可能更符合您的喜好。DB部分是基于密度的，它创建了可以通过高密度区域连接点的集群。另一种选择是单链接分层聚类，它倾向于在同一集群中放置彼此相近的点。

模仿您的代码，但使用hclust

library(ggplot2)
iris_HC <- hclust(dist(iris[,3:4]), method="single")
iris_Cluster <- cutree(iris_HC, 2)
iris$cluster <- as.factor(iris_Cluster)

p_iris <- ggplot(iris, aes(x=Petal.Length, y=Petal.Width, color=cluster)) + geom_point()
print(p_iris)

​

​

Answer 2

是的，按照平方和的目标，这一点属于红色星团.

例如，考虑DBSCAN。