如何找到k-means簇的数量区间？

Question

我正在尝试使用Kmeans对数值变量进行离散化。它工作得很好，但我想知道如何在群集中找到间隔。

我和FactoMineR合作做我的kmeans。我根据下图找到了3个聚类：

我现在的观点是确定集群中数值变量的间隔。

FactoMineR或其他软件包中是否有任何选项或方法可以执行此操作？我可以手动完成，但由于我必须为一定数量的变量做这件事，我想找到一种简单的方法来识别它们。

Answer 1

由于您没有提供数据，我使用了kmeans文档中的示例，该文档为包含两列x和y的数据生成两组。您可以通过每行所属的集群split原始数据，然后从每个组中提取数据。我不确定我的示例数据是否类似于您的数据，但在下面的代码中我只是使用列x的min值和列y的max值之间的差异作为潜在间隔的边界（取决于用例有意义）或不）。这对你有帮助吗？

data <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
           matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(data) <- c("x", "y")

cl <- kmeans(data, 2)

data <- as.data.frame(cbind(data, cluster = cl$cluster))

lapply(split(data,  data$cluster), function(x) {
  min_x <- min(x$x)
  max_y <- max(x$y)
  diff <- max_y-min_x
  c(min_x = min_x , max_y = max_y, diff = diff) 
})

# $`1`
# min_x      max_y       diff 
# -0.6906124  0.5123950  1.2030074 
# 
# $`2`
# min_x     max_y      diff 
# 0.2052112 1.6941800 1.4889688