为什么k-means聚类观察而不是R中的变量？

Question

我有一个数据集mydata，其中包含84个变量，每个变量有300个观察值，如下所示：

我使用以下代码在5个集群中集群mydata：

mydata <- read.csv("mydata.csv", header = TRUE)

# K-Means Clustering with 5 clusters
fit <- kmeans(mydata, 5)

# Cluster Plot against first 2 principal components

# vary parameters for most readable graph
library(cluster) 
clusplot(mydata, fit$cluster, color=TRUE, shade=TRUE, labels=2, lines=0)

这会生成以下图：

我希望它根据观察结果绘制84个变量及其名称，如第一张图所示。但相反，正如在上一张图片中可以看到的那样，它聚集了300个观测值。如何解决这个问题？

我尝试转置mydata，但这并没有解决问题。

编辑：我希望它能够绘制这样的图（但这个图是针对另一个数据集的）。我只显示该图以显示图上变量的名称，这意味着变量将被绘制（基于观察结果）。

Answer 1

如果您希望群集变量而不是实例，则只需转置您的数据矩阵。

通常，群集应用于数据点，而不是列。

注意k-means的通常限制。它对规模非常敏感。

Answer 2

您提到的情节可能是使用mtcars数据集创建的：

print(datasets::mtcars)

你看到的观点显然是观察。

如果要创建变量集群，则存在多个选项：

• 创建变量之间的距离矩阵，例如cor，并使用hclust进行分层聚类。
• 然后执行pca，将变量的投影聚类到创建的组件上。这样，您就可以使用kmeans对变量进行聚类。
• 如果您的所有变量都是数字变量，则可以转置数据帧并进行k均值聚类。

此外，您希望对变量进行聚类的问题可能需要更多考虑。