Question

我想使用k-means聚类从自组织映射中聚类码本。但是，考虑到数据的“空间”特性，我想约束聚类，以便只将连续的节点聚集在一起。环顾四周后，我决定尝试使用skater包中的spdep函数。

这是我一直在做的一个例子。

# the 'codebook' data obtained from the self-organizing map. 
# My grid is 15 by 15 nodes. 
data <- data.frame(var1=rnorm(15*15, mean = 0, sd = 1), var2=rnorm(15*15, mean = 5, sd = 2))

# creating a matrix with all edges listed 
# (so basically one row to show a connection between each pair of adjacent nodes) 
require(spdep)
nbs <- cell2nb(nrow=15, ncol=15)

edges <- data.frame(node=rep(1:(tt.grid$xdim*tt.grid$ydim), each=4))
edges$nb <- NA 
for (i in 1:(tt.grid$xdim*tt.grid$ydim)) {   
   vals <- nbs[[i]][1:4]   
   edges$nb[(i-1)*4+1] <- vals[1]   
   edges$nb[(i-1)*4+2] <- vals[2]   
   edges$nb[(i-1)*4+3] <- vals[3]   
   edges$nb[(i-1)*4+3] <-
   vals[4] } 
edges <- edges[which(!is.na(edges$nb)),] 
edges$from <- apply(edges[c("node", "nb")], 1, min) 
edges$to <- apply(edges[c("node", "nb")], 1, max) 
edges <- edges[c("to", "from")]
edges <- edges[!duplicated(edges),] 
edges <- as.matrix(edges)

我知道上面的代码非常笨拙而且不优雅（请耐心等待）。我尝试使用mstree(nb2listw(nbs))[,1:2]，但没有列出所有链接。我不确定我是否完全理解这是做什么的，所以我手动创建了我的边缘矩阵。

然后我尝试将此矩阵用于滑冰功能

test <- skater(edges=edges, data=data, ncuts=5)

但是我收到以下错误消息： Error in colMeans(data[id, , drop = FALSE]) : error in evaluating the argument 'x' in selecting a method for function 'colMeans': Error in data[id, , drop = FALSE] : subscript out of bounds

但是，如果我使用mstree边缘，我不会收到错误消息，但结果根本没有意义。

test <- skater(edges=mstree(nb2listw(nbs))[,1:2], data=data, ncuts=5)

非常感谢您对此错误消息的任何帮助（或关于如何进行空间约束的群集的其他建议）。

K-means聚类空间受限数据 - skdep包中的滑板

0 个答案: