Question

我正在使用mclust库为R（http://www.stat.washington.edu/mclust）做一些实验性的基于EM的GMM聚类。该软件包很棒，似乎通常可以为我的数据找到非常好的集群。

问题在于我根本不了解R，虽然我已经设法根据help（）内容和广泛的自述文件混淆了群集过程，但我不能为我的生活弄清楚如何写出实际的集群结果到文件。我使用以下荒谬简单的脚本来执行聚类，

myData <- read.csv("data.csv", sep=",", header=FALSE)
attach(myData)
myBIC <- mclustBIC(myData)
mySummary <- summary( myBIC, data=myData )

此时我有群集结果和摘要。 data.csv中的数据只是一个多维点列表，每行一个。因此每条线看起来像'x，y，z'（在3维的情况下）。

如果我使用2d点（例如只有x和y值），我可以使用内部绘图函数得到一个非常漂亮的图形，根据分配给它的簇绘制每个点的原始点和颜色代码。所以我知道所有的信息都在'myBIC'中，但文档和帮助似乎没有提供任何关于如何打印这些数据的见解！

我想根据我认为在myBIC中编码的结果打印出一个新文件。像，

CLUST x, y, z
1 1.2, 3.4, 5.2
1 1.2, 3.3, 5.2
2 5.5, 1.3, 1.3
3 7.1, 1.2, -1.0
3 7.2, 1.2, -1.1

然后 - 希望 - 还打印出聚类过程中发现的各个高斯/聚类的参数/质心。

当然，这是一件非常容易做的事情，而我对R一无所知，想出来......

编辑：我似乎已经进一步了解。执行以下操作打印出一个有点神秘的矩阵，

    > mySummary$classification
[1] 1 1 2 1 3
[6] 1 1 1 3 1
[12] 1 2 1 3 1
[18] 1 3

经过反思，我意识到实际上是样本列表及其分类。我想不可能通过write命令直接写这个，但R控制台中的一些实验让我意识到我可以这样做：

> newData <- mySummary$classification
> write( newData, file="class.csv" )

并且结果实际上看起来很不错！

 $ head class.csv
"","x"
"1",1
"2",2
"3",2

其中第一列与输入数据的索引相匹配，第二列描述分配的类标识。

'mySummary $ parameters'对象似乎是嵌套的，并且有一堆子对象对应于各个高斯及其参数等。当我尝试将其写出时，'write'函数失败，但单独写出每个子对象名称有点单调乏味。这引出了一个新问题：如何迭代R中的嵌套对象并以串行方式将元素打印到文件描述符？

我有这个'mySummary $ parameters'对象。它由几个子对象组成，如'mySummary $ parameters $ variance $ sigma'等。我想迭代所有内容并将其全部打印到文件中，方法与自动完成此操作相同...

Answer 1

要计算实际的聚类参数本身（均值，方差，每个点所属的聚类），您需要使用Mclust。要进行写作，您可以使用（例如）write.csv。

默认情况下Mclust根据BIC确定的最佳模型计算参数，因此，如果这是您想要做的，您可以这样做：

myMclust <- Mclust(myData)

然后myMclust$BIC将包含所有其他模型的结果（即myMclust$BIC与mclustBIC(myData)或多或少相同。）

请参阅?Mclust部分中的Value:，了解myMclust还有哪些其他信息。例如，myMclust$parameters$mean是每个群集的均值，myMclust$parameters$variance每个群集的差异，...

但是myMclust$classification将包含每个点所属的群集，并针对最佳模型进行计算。

因此，要获得所需的输出，您可以这样做：

# create some data for example purposes -- you have your read.csv(...) instead.
myData <- data.frame(x=runif(100),y=runif(100),z=runif(100))
# get parameters for most optimal model
myMclust <- Mclust(myData)
# if you wanted to do your summary like before:
mySummary <- summary( myMclust$BIC, data=myData )

# add a column in myData CLUST with the cluster.
myData$CLUST <- myMclust$classification
# now to write it out:
write.csv(myData[,c("CLUST","x","y","z")], # reorder columns to put CLUST first
          file="out.csv",                  # output filename
          row.names=FALSE,                 # don't save the row numbers
          quote=FALSE)                     # don't surround column names in ""

关于write.csv的说明 - 如果您没有输入row.names=FALSE，您将在csv中获得包含行号的额外列。此外，quote=FALSE会将您的列标题设为CLUST,x,y,z，否则它们将为"CLUST","x","y","z"。这是你的选择。

假设我们想要做同样的事情，但是使用不是最佳的不同模型的参数。但是，Mclust默认情况下仅为最佳模型计算参数。要计算特定模型的参数（比如"EEI"），您需要：

myMclust <- Mclust(myData,modelNames="EEI")

然后像以前一样继续。

如何将mclust的聚类结果写入文件？

1 个答案: