我有一个包含1599个观察数据和10个属性的数据集，我们需要进行kmeans聚类。我已经完成了6个集群的kmeans，我可以看到集群中心，大小等，以及哪个观察点在哪个集群中。现在，我需要绘制这些结果，以便在单个图中显示以下信息：在x轴上，我想要原始数据的10个属性中的1个，在y轴上我想要另一个属性，在图中，我想要所有1599个观测值，但我想要它们所属的每个星团有6种不同的颜色。所以，我将有10C2 = 45个图。基本上，这应该给我一个信息，即集群1在特定属性方面是高/中/低，而集群2是如此......对于所有6个集群。
我尝试了fpc包中的plotcluster函数，但根据我的理解，它使用PCA将数据映射到2D，然后根据与原始属性不同的2维绘制聚类。所以现在当我说集群1很低时，在dim1中，它真的没有多大意义。
是否有功能可以执行我想要的功能，或者我是否应该添加＆＃39; $ cluster＆＃39;来自kmeans输出的信息和我的原始数据，并尝试使用基本函数plot（）一次从我的数据中取两列？
答案 0 :(得分：0)
我建议使用一种解决方案，可能不是最简单的解决方案（使用for循环），但似乎可以回答您的需求：
df=mtcars
df$cluster = factor( kmeans(df, centers=6)$clust )
mycomb <- combn(1:ncol(df), 2)
for (xy in 1:45 ) {
plot(x=df[, mycomb[1,xy]],
y=df[, mycomb[2,xy]],
col=as.numeric(df$clust),
xlab=names(df)[mycomb[1,xy]],
ylab=names(df)[mycomb[2,xy]])
}