在R中检索最佳聚类数

Question

我有一些数据，想要根据Gap统计量来评估最佳聚类数。

我阅读了关于Gap统计量在R中的页面，其中给出了以下示例：

gs.pam.RU <- clusGap(ruspini, FUN = pam1, K.max = 8, B = 500)
gs.pam.RU

当我调用gs.pam.RU.Tab时，我得到：

Clustering Gap statistic ["clusGap"].
B=500 simulated reference sets, k = 1..8
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
         logW   E.logW         gap     SE.sim
[1,] 7.187997 7.135307 -0.05268985 0.03729363
[2,] 6.628498 6.782815  0.15431689 0.04060489
[3,] 6.261660 6.569910  0.30825062 0.04296625
[4,] 5.692736 6.384584  0.69184777 0.04346588
[5,] 5.580999 6.238587  0.65758835 0.04245465
[6,] 5.500583 6.119701  0.61911779 0.04336084
[7,] 5.394195 6.016255  0.62205988 0.04243363
[8,] 5.320052 5.921086  0.60103416 0.04233645

我想要获取聚类数量，但与pamk函数不同的是，我无法找到使用clusGap函数获取此数字的方法。

然后我尝试使用maxSE函数，但我不知道参数f和SE.f代表什么，也不知道如何从数据矩阵中获取它们。

是否有简单的方法来获取最佳聚类数？

- teaLeef

Answer 1

答案在输出中：

...
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4
...

这是产生最大gap值的群集数量（在表格的第4行）。

maxSE(...)的参数分别是gap和SE.sim：

with(gs.pam.RU,maxSE(Tab[,"gap"],Tab[,"SE.sim"]))
# [1] 4

有时候绘制gap是很有用的，可以看出聚类选项的区分程度：

plot(gs.pam.RU)
gap.range <- range(gs.pam.RU$Tab[,"gap"])
lines(rep(which.max(gs.pam.RU$Tab[,"gap"]),2),gap.range, col="blue", lty=2)

- jlhoward