Flexclust'tan kümeleme performans istatistikleri nasıl oluşturulur?

Question

birkaç kümeleme algoritmaları denedikten sonra ben family = kccaFamily("angle") ile flexclust::kcca kullanarak veri kümesi en iyi performansı var.

İşte flexclust den Nclus veri kümesini kullanarak bir örnek.

library(fpc) 
library(flexclust) 
data(Nclus) 

k <- 4 
family <- flexclust::kccaFamily("angle") 
model <- flexclust::kcca(Nclus, k, family) 

Şimdi, kümelerin sayısını optimize etmek istiyorum. Küme modelleri için en kapsamlı performans metrikleri seti fpc::cluster.stats kullanılarak bulunur. Bu fonksiyonun iki girişe ihtiyacı vardır: bir uzaklık matrisi ve atanan kümeler.

ikinci kolaydır; Bu sadece model@cluster.

Ben mesafe matris için temin etmek ne mücadele ediyorum. kcca bir uzaklık nesnesini döndürmez (ya da varsa, onu bulamadım). genellikle ben dist(Nclus) kullanacağı konusunda

sanırım. Bu durumda, Öklid mesafesini (veya diğer yöntemlerden herhangi birini kullanılabilir dist) – Kümeleme algoritması tarafından kullanılan mesafe ölçüsünü istemiyorum. Bu fonksiyondan kodu kullanarak kcca tarafından kullanılan mesafe matrisini yeniden oluşturabilirim.

control <- as(list(), "flexclustControl") 
centers <- flexclust:::initCenters(Nclus, k, family, control) 
distmat <- distAngle(Nclus, centers$centers) 

Sonra ben sadece

fpc::cluster.stats(distmat, model@cluster) 

sorun bu beni mesafe argümanı hakkında iki uyarı veriyor kullanılarak küme modeli istatistikleri hesaplamak gerekir.

Warning messages: 
1: In as.dist.default(d) : non-square matrix 
2: In as.matrix.dist(d) : 
    number of items to replace is not a multiple of replacement length 

Bu bana yanlış bir şey verdiğinden şüpheleniyor.

nasıl cluster.stats uzaklık matrisi geçmelidir ?

Answer 1

Ben bu modelleme açısından mantıklı emin değilim, sen Ancak

distmat <- distAngle(Nclus, Nclus) 

kullanmalıdır tahmin: size daha uygundur metrik kullanacağı kümeleme çıkışının performansını incelemek için sizin özel kullanım durumu; I "gözlem ve ağırlık/standart ortalama arasındaki açı" minimize küme içi açı minimize aynı olmadığını tahmin ediyorum, özellikle

distmat <- dist(Nclus, "manhattan") 

Bu (veya olmayabilir) L1 uzaklık olabilir gözlemler arasında; Ayrıca ikinci niceliğin modelleme amaçları için özellikle yararlı olmadığını tahmin ediyorum. Başka bir deyişle, distAngle'i k kümelerini tanımlamak için alternatif bir yol olarak ("hile") kabul ederdim, ancak daha sonra tanımlanmış kümeleri diğer metriklerle değerlendirirdim. Umarım bu sizin için herhangi bir anlam ifade eder ...