データをグループに分類する実験をしています。私はこのトピックに非常に新しく、いくつかの分析の出力を理解しようとしています。
Quick-Rの例を使用して、いくつかのR
パッケージを提案します。これらのパッケージのうち2つを使用してみました(関数とfpc
を使用)。私が理解していないこの分析の1つの側面は、結果の比較です。kmeans
mclust
# comparing 2 cluster solutions
library(fpc)
cluster.stats(d, fit1$cluster, fit2$cluster)
私はfpc
マニュアルの関連部分を読みましたが、私が何を目指しているべきかまだ明確ではありません。たとえば、これは2つの異なるクラスタリングアプローチを比較した結果です。
$n
[1] 521
$cluster.number
[1] 4
$cluster.size
[1] 250 119 78 74
$diameter
[1] 5.278162 9.773658 16.460074 7.328020
$average.distance
[1] 1.632656 2.106422 3.461598 2.622574
$median.distance
[1] 1.562625 1.788113 2.763217 2.463826
$separation
[1] 0.2797048 0.3754188 0.2797048 0.3557264
$average.toother
[1] 3.442575 3.929158 4.068230 4.425910
$separation.matrix
[,1] [,2] [,3] [,4]
[1,] 0.0000000 0.3754188 0.2797048 0.3557264
[2,] 0.3754188 0.0000000 0.6299734 2.9020383
[3,] 0.2797048 0.6299734 0.0000000 0.6803704
[4,] 0.3557264 2.9020383 0.6803704 0.0000000
$average.between
[1] 3.865142
$average.within
[1] 1.894740
$n.between
[1] 91610
$n.within
[1] 43850
$within.cluster.ss
[1] 1785.935
$clus.avg.silwidths
1 2 3 4
0.42072895 0.31672350 0.01810699 0.23728253
$avg.silwidth
[1] 0.3106403
$g2
NULL
$g3
NULL
$pearsongamma
[1] 0.4869491
$dunn
[1] 0.01699292
$entropy
[1] 1.251134
$wb.ratio
[1] 0.4902123
$ch
[1] 178.9074
$corrected.rand
[1] 0.2046704
$vi
[1] 1.56189
ここでの私の最初の質問は、このクラスター比較の結果を解釈する方法をよりよく理解することです。
以前は、データのスケーリングと距離行列の計算の影響について詳しく質問していました。しかし、マリアナ・ソファーはこれに明確に答えており、2つの異なるクラスタリングアルゴリズムの比較である出力の解釈に興味があることを強調するために質問を再編成しています。
質問の前の部分:何らかのタイプのクラスタリングを行う場合、常にデータをスケーリングする必要がありますか?たとえばdist()
、スケーリングされたデータセットのcluster.stats()
関数を関数への入力として使用していますが、何が起こっているのか完全には理解していません。私はdist()
ここについて読んで、それはそれを述べています:
この関数は、指定された距離測定を使用して計算された距離行列を計算して返し、データ行列の行間の距離を計算します。