kmeans在R中给出错误的簇

Question

我在R中有一个2列的数据集，我正在尝试使用kmeans来聚类数据集。我使用的命令是

kk <- kmeans(ageincome, center=4, iter.max=500, nstart=100)

当我绘制结果时，我从图中观察到的是，R仅通过使用收入而不是年龄和收入来对数据集进行聚类。我尝试了不同的algorithm，iter.max和nstart，但无论我使用哪种参数组合，R都会得到相同的结果。

有人可以帮我吗？ dput（ageincome）可在http://pastebin.com/2EQx1SwQ

获得

Answer 1

您需要在调用kmeans之前“规范化”您的数据。例如，参见下面的代码，我有意应用了一个缩放，以便收入和年龄都有相似的范围

ageincome2=ageincome
ageincome2[,1]=scale(ageincome2[,1])
ageincome2[,2]=scale(ageincome2[,2])

center=4
kk <- kmeans(ageincome2, center=center)
plot(ageincome2, col = kk$cluster)
points(kk$centers, col = 1:center, pch = 8, cex = 2)

这只是一种正常化的建议。您可能应该进行一些理论研究，以找出在聚类之前如何规范化数据。

其他参考文献：
here，here或here