如何在R中指定kmeans算法的距离度量方式？

Question

我正在使用R进行kmeans聚类，并有两个要求：

1. 我需要指定自己的距离函数，现在是皮尔逊系数。

2. 我想要进行聚类，使用组成员的平均值作为质心，而不是实际的成员。 这个要求的原因是，我认为使用平均值作为质心比使用实际成员更有意义，因为成员通常不接近真正的质心。如果我对此有误，请纠正我。

首先，我尝试了 stat 包中的 kmeans 函数，但该函数不允许自定义距离方法。

然后我发现 cluster 包中的 pam 函数。通过接受一个dist对象作为参数，pam函数允许自定义距离度量，但我觉得通过这样做它采用了实际成员作为质心，这并不是我所期望的。因为我认为它不能仅通过距离矩阵来完成所有的距离计算。

那么，在R中有没有一些简单的方法可以满足我同时满足这两个要求的kmeans聚类？

- Derrick Zhang

---

你可以使用 vegan::designdist 来创建自己的指数（如果已经存在，也可以查看 vegan::vegdist）。在获得 dist 对象之后，您可以使用统计包中的 hclust 来使用适当的聚合方法。 - Roman Luštrik

@RomanLuštrik，感谢您的评论。我知道如何使用hclust指定距离度量，但现在我需要知道如何在kmeans中实现它。 - Derrick Zhang

Answer 1

请查看flexclust包：

主要函数kcca实现了支持任意距离测量和质心计算的k-centroids聚类分析的通用框架。

该包还包括一个distCor函数：

R> flexclust::distCor
function (x, centers) 
{
    z <- matrix(0, nrow(x), ncol = nrow(centers))
    for (k in 1:nrow(centers)) {
        z[, k] <- 1 - .Internal(cor(t(x), centers[k, ], 1, 0))
    }
    z
}
<environment: namespace:flexclust>

- rcs

---

谢谢rcs！当我指定dist为：family = kccaFamily（dist = function（x，y）{1-cor（x，y）}）时，为什么会出现“不兼容的维度”错误？ - Derrick Zhang

你需要一个带有参数 x 和 centers 的函数。例如，可以查看 flexclust::distCor 的源代码。 - rcs

如果有人对如何使用distCor感到困惑，请尝试：res = kcca(data, 10, family=kccaFamily(dist=distCor))。 - Dolan Antenucci

作为 R 的新手，我也花了一些时间才弄清楚如何查看 res 的属性（使用 attributes(res) 进行确定，使用 attr(res, 'second') 进行访问）。 - Dolan Antenucci