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个化学测量值(例如var1,var2,var3,var4,var5)。我们希望使用k均值聚类基于化学测量结果对葡萄酒样品进行聚类。这样做很容易。但是,我想执行连续的聚类,首先使用单个化学测量值对葡萄酒样品进行聚类,然后对var1,var2,var3,var4和var5的所有组合(所有一元,二元,三元,四元和五进制组合)。
换句话说,我有兴趣根据列中给出的所有可能的测量组合对葡萄酒样品进行聚类,这将导致总共31个聚类结果,例如,基于(1)var1,(2)var2,( 3)var3,(4)var4,(5)var5,(6)var1和var2,(7)var1和var3,...,(31)var1,var2,var3,var4和var5。
如何在R中创建这样的循环?
假设您有一个数据集:
set.seed(144)
dat <- matrix(rnorm(100), ncol=5)
现在,您可以获取列的所有子集(由逻辑矢量表示是否应保留每一列),然后删除第一列(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
最后一步是为列的每个子集运行k均值聚类,这是一个简单的应用程序apply
(我假设您在每个模型中都需要3个聚类):
mods <- apply(cols, 1, function(x) kmeans(dat[,x], 3))
您可以使用列表索引访问31个k均值模型。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"
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句