Question

我已阅读k-means: Same clusters for every execution。

但它并没有解决我遇到的问题。我正在抽样大小不一的数据（大小增加）。我需要使用k-means聚类数据，但我遇到的问题是群集的每个样本都不同。需要注意的重要一点是，我的t+1样本将始终包含t样本中的所有组件。所以它慢慢变得越来越大。我需要的是一种能够让集群保持不变的方法。除了使用set.seeds之外还有其他方法吗？我愿意接受任何解决方案。

Answer 1

我能想到实现这一目标的最佳方式是首先使用k-means对数据进行聚类，然后将所有其他数据简单地分配给最近的聚类（设置随机种子将无法帮助您将新聚类嵌套到最近的聚类中在原来的）。正如this question的答案中详述的那样，flexclust包使这很简单：

# Split into "init" (used for initial clustering) and "later" (assigned later)
set.seed(100)
spl <- sample(nrow(iris), 0.5*nrow(iris))
init <- iris[spl,-5]
later <- iris[-spl,-5]

# Build the initial k-means clusters with "init"
library(flexclust)
(km <- kcca(init, k=3, kccaFamily("kmeans")))
# kcca object of family ‘kmeans’ 
# 
# call:
# kcca(x = init, k = 3, family = kccaFamily("kmeans"))
# 
# cluster sizes:
# 
#  1  2  3 
# 31 25 19 

# Assign each element of "later" to the closest cluster
head(predict(km, newdata=later))
#  2  5  7  9 14 18 
#  2  2  2  2  2  2

一致的K均值聚类结果

1 个答案: