Question

我使用以下方式对我的数据运行了kmeans：

spherical_Data <- kmeans(myData,4)

现在计算我使用的dunn索引：

spherical_Data <- kmeans(myData,4)
Dist <- dist(myData,method="euclidean")
dunn(Dist, spherical_Data$cluster)

这里Dunn函数的第二个参数是一个包含myData中所有点的聚类成员资格的向量。

现在我按如下方式运行了核心kmeans：

kernel_Kmeans <- kkmeans(myData, centers=4, kernel = "rbfdot", kpar = "automatic")

kernel_Kmeans给出了以下输出：

Spectral Clustering object of class "specc" 

 Cluster memberships: 

3 1 3 3 3 2 3 3 2 3 2 2 3 2 1 4 3 1 2 1 3 3 4 2 2 1 1 2 3 3 2 1 4 1 2 3 3 2 3 4 2 2 3 1 1 3 2 2 3 3 1 3 3 1 1 2 1 4 4 3 3 3 3 4 3 3 3 3 3 2 1 3 1 2 3 2 4 3 1 2 3 2 4 2 3 2 1 3 3 4 2 3 2 3 1 2 3 4 2 3 2 4 1 2 1 1 2 1 2 1 1 3 3 3 3 2 3 3 1 1 1 2 1 4 1 1 3 3 2 4 3 3 1 3 1 2 1 2 1 2 3 1 1 1 3 3 4 2 1 3 1 1 3 3 3 3 3 2 2 

Gaussian Radial Basis kernel function. 
 Hyperparameter : sigma =  7.63469658003494 

Centers:  
            [,1]       [,2]
[1,]  0.03108416 -0.2142212
[2,] -0.63034038 -0.6909727
[3,]  0.69360916  0.3623118
[4,] -0.95418284  0.1941879

Cluster size:  
[1] 287 209 389 115

Within-cluster sum of squares:  
[1] 286.34824  27.35574 188.54685 158.99104

要计算Dunn索引，我需要第一个输出，即包含所有点的聚类成员资格的向量（在群集成员资格下标记）。

dunn(Dist, kernel_Kmeans$cluster) does not work.

有人可以告诉我这是怎么做的。

Answer 1

这是一种从kkmeans返回的对象中提取群集信息的方法。

一个例子：

library(kernlab)
data(iris)
sc <- kkmeans(as.matrix(iris[,-5]), centers=3)

输出（sc）：

Spectral Clustering object of class "specc" 

 Cluster memberships: 

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 3 2 3 2 3 2 3 3 3 3 2 3 2 3 3 2 3 2 3 2 2 2 2 2 2 2 3 3 3 3 2 3 2 2 3 3 3 3 2 3 3 3 3 3 3 3 3 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 

Gaussian Radial Basis kernel function. 
 Hyperparameter : sigma =  0.957009094923757 

Centers:  
         [,1]     [,2]     [,3]     [,4]
[1,] 5.006000 3.428000 1.462000 0.246000
[2,] 6.554286 2.974286 5.300000 1.865714
[3,] 5.580000 2.633333 3.986667 1.233333

Cluster size:  
[1] 50 70 30

Within-cluster sum of squares:  
[1] 1313.240 2004.637  625.704

您可以使用@.Data来提取信息：

sc@.Data
#   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
#  [39] 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 3 2 3 2 3 2 3 3 3 3 2 3 2 3 3 2 3 2 3 2 2 2 2
#  [77] 2 2 2 3 3 3 3 2 3 2 2 3 3 3 3 2 3 3 3 3 3 3 3 3 2 2 2 2 2 2 3 2 2 2 2 2 2 2
# [115] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

计算r中Kernel Kmeans的dunn索引

1 个答案: