在Matlab中凝聚聚類

Question

我有一個簡單的二維數據集，我希望以凝聚的方式聚集（不知道要使用的最佳數量的聚類）。我能夠成功地對數據進行聚類的唯一方法是給函數一個'maxclust'值。

爲了簡單起見，讓我們說這是我的數據集：

X=[ 1,1; 
    1,2; 
    2,2; 
    2,1; 
    5,4; 
    5,5; 
    6,5; 
    6,4 ]; 

當然，我想這個數據，形成2簇。我明白，如果我知道這一點，我還是說：

T = clusterdata(X,'maxclust',2); 

，並找到指向落入每個簇我可以說：

cluster_1 = X(T==1, :); 

和

cluster_2 = X(T==2, :); 

但沒有知道2個簇對於這個數據集是最優的，我該如何將這些數據聚類？

感謝

Answer 1

此方法的要點是，它代表了一個層次中出現的集羣，它是由你來決定你要多少細節，抓..

可以將此看作具有與樹狀圖相交的水平線，該樹從0（每個點是它自己的簇）開始一直移動到最大值（一個簇中的所有點）。你可以：

• 停止當你到達根據集羣，其中相距甚遠的簇的預定數量（example）
• 手動地將它給予一定的高度值（example）
• 選擇將它到距離標準（即有大的跳躍到一個新的水平）（example）

這可以通過使用的該'maxclust'或'cutoff'參數來完成CLUSTER/CLUSTERDATA函數

Answer 2

要選擇最佳聚類數，一個常用的方法就是讓類似碎石圖的曲線圖。然後你在圖中尋找「肘」，那就是你挑選的聚類數量。對於這裏的標準，我們將使用中的集羣求和的平方：

function wss = plotScree(X, n) 

wss = zeros(1, n); 
wss(1) = (size(X, 1)-1) * sum(var(X, [], 1)); 
for i=2:n 
    T = clusterdata(X,'maxclust',i); 
    wss(i) = sum((grpstats(T, T, 'numel')-1) .* sum(grpstats(X, T, 'var'), 2)); 
end 
hold on 
plot(wss) 
plot(wss, '.') 
xlabel('Number of clusters') 
ylabel('Within-cluster sum-of-squares') 

>> plotScree(X, 5) 

ans = 

    54.0000 4.0000 3.3333 2.5000 2.0000 

Answer 3

您可以在R中使用NbClust包，該包使用30個索引來確定數據集中的最佳羣集數。