K-均值聚类解释

Question

我有三个星系团对图"Av. mon.hrs“，"Sat. Lvl"，"Last”，并通过下面的代码找到了一个矩阵图。

library("ggplot2") # Expanded plotting functionality over "lattice" package
x<-cbind(HR_left$average_montly_hours,HR_left$satisfaction_level,HR_left$last_evaluation)
kmfit<-kmeans(x,3,nstart=25) 
# Find the best 3 clusters using 25 random sets of (distinct) rows in x as initial centres.
pairs(x,col=(kmfit$cluster), labels=c("Av. Mon. Hrs","Sat. Lvl","Last Eval."))

上面写着

• 第一组:这组的特征是工作时间低，平均每月工作时间少，满意度中等，最后一次评价较低。
• 第二组:从成对的情节来看，这个组的特点是月薪高，满意度低，评价高。
• 第三组:从成双成对的情节来看，该群体具有月薪高、满意度高、评价高的特点。

但我不明白如何解释这三项发现的配对图。

library(readr)
HR_comma_sep <- read_csv("https://stluc.manta.uqcloud.net/mdatascience/public/datasets/HumanResourceAnalytics/HR_comma_sep.csv")
HR_left<-HR_comma_sep[HR_comma_sep$left==1,]

library("ggplot2") # Expanded plotting functionality over "lattice" package 

 x<-cbind(HR_left$average_montly_hours,HR_left$satisfaction_level,HR_left$last_evaluation) 
 kmfit<-kmeans(x,3,nstart=25) 
 # Find the best 3 clusters using 25 random sets of (distinct) rows in x as initial centres. 

 pairs(x,col= (kmfit$cluster),labels=c("Av. Mon. Hrs","Sat. Lvl","Last Eval."))

Answer 1

“每月工作时间”的数量与其他两个变量的比例相差很大，从而使聚类产生偏差。“工作时间”的差异主导了另外两个变量的差异。

通过除以平均值、范围或求z分数来规范每一列.

原始守则：

library(readr)
HR_comma_sep <- read_csv("https://stluc.manta.uqcloud.net/mdatascience/public/datasets/HumanResourceAnalytics/HR_comma_sep.csv")
HR_left<-HR_comma_sep[HR_comma_sep$left==1,]

library("ggplot2") 
x_org<-cbind(HR_left$average_montly_hours,
         HR_left$satisfaction_level,
         HR_left$last_evaluation) 

kmfit<-kmeans(x_org, 3, nstart = 25) 
pairs(x_org,col= (kmfit$cluster),labels=c("Av. Mon. Hrs","Sat. Lvl","Last Eval."))

​

​

重复使用缩放值进行的计算：

x_scaled<-cbind(scale(HR_left$average_montly_hours),
                scale(HR_left$satisfaction_level),
                scale(HR_left$last_evaluation)) 
kmfit<-kmeans(x_scaled, 3) 
pairs(x_org,col= (kmfit$cluster),labels=c("Av. Mon. Hrs","Sat. Lvl","Last Eval."))

​

​

仅使用原始值，根据“月时数”的差异进行聚类，上面的图显示两个簇(黑色和绿色)合并在一起，而且不清楚。

在缩放值和重复聚类之后，现在清晰地显示了3个明显区分的集群(底部图像)。