Question

我有一个数据框，该数据框分为行中的样本和列中的变量

进行PCA后：

   df.pca <- PCA(df, graph = FALSE, ncp = Inf)
   df.coord <- data.frame(df.pca$ind$coord)

，然后对我的PCA数据进行k均值：

   df.kmeans = kmeans(df.coord, 3, nstart = 25)

并可视化集群形成：

   fviz.cluster(object = df.kmeans, data = df.pca)

我得到了一个具有正确尺寸的漂亮图形（对我的数据，dim1为75％，dim 2为12％，由PCA计算得出）。

但是，如果我使用k-medoid算法（PAM）做完全相同的事情：

   df.pca <- PCA(df, graph = FALSE, ncp = Inf)
   df.coord <- data.frame(flies.todos.pca$ind$coord)
   df.pam = pam(df.coord, 3, nstart = 25)  

   fviz.cluster(object = df.pam, data = df.pca)

我得到的尺寸完全相同的尺寸不正确（dim1为3.4％，dim 2为3.4％）。

如何定义PCA的尺寸？

我尝试过：

    fviz.cluster(object = df.pam, data = df.coord)
    fviz.cluster(object = df.pam, data = df)

没有成功，我总是得到3.4％的尺寸，甚至不接近PCA值

Answer 1

我遇到了同样的问题。只是你应该输入参数 stand = FALSE

因为如果为 TRUE，则在主成分分析之前对数据进行标准化 (:

Answer 2

嗯，经过简单的探索，我已经知道了答案。对于pam（）函数，始终会自动完成PCA。所以基本上我是在PCA数据上进行PCA，这根本没有意义。如果您要使用pam（）或其他任何群集算法，请检查PCA是否自动完成！

如何使用PAM数据在fviz_cluster中定义尺寸？

2 个答案: