2021-11-03用 easystats做聚类分析

https://easystats.github.io/parameters/articles/clustering.html

安装包

install.packages(c("NbClust", "mclust", "pvclust", "cluster", "fpc", "dbscan"))

介绍

聚类的算法多种多样,大体分为两类:监督式聚类和无监督式聚类。前一种聚类方法要明确指定想要提取的类别数目,而后一种在算法中自动估算类别数目。聚类算法没有好坏之分,两种算法各有优缺点。

下面以iris包数据聚类分析为例,用不同的聚类算法分析一下。我们知道真实的鸢尾花分为3类。先用PCA进行聚类分析。

library(ggplot2)
library(parameters)
library(see)

set.seed(33)  # Set random seed

# Select the first 4 numeric columns (drop the Species fator)
data <- iris[1:4]  
head(data)  # Print the 6 first rows

# Run PCA
pca <- principal_components(data, n = 2)
pca_scores <- predict(pca, names = c("PCA_1", "PCA_2"))
pca_scores$True_Clusters <- iris$Species  # Add real clusters

# Visualize
ggplot(pca_scores, aes(x = PCA_1, y = PCA_2, color = True_Clusters)) + 
  geom_point() +
  theme_modern()
image.png

可以看到Setosa类别在PCA结果中可以明显与其它两类分开,而其它两个类别就不能完全分开。下面看一下数据驱动的聚类分析,在分析这三个类别中的应用。

监督聚类算法

到底要提取多少个类别为好呢?
这个重要的问题很难回答。最好的方式是有强烈的预期或推测,预先知道大致分几类。如果没有预期的话,研究人员可以用数据驱动的方法来估计最优的类别数目。这个问题由很多数学方法解决,然而,它们相互之间结果常不一致.......
显然,没有最佳的方法来解决这个问题,我们用easystats包来同时运行不同的方法,返回大多数算法一致的分类结果。

n <- n_clusters(data, package = c("easystats", "NbClust", "mclust"))
n
plot(n)
image.png

可以看到,多数算法认为分为2类,分三类的次之。似乎数据本身并不能明显区分这三类鸢尾花。算法得到的结果和我们从真实世界获得的结果间的差异,这个问题是数据科学的基础问题。

K-Means聚类

rez_kmeans <- cluster_analysis(data, n = 3, method = "kmeans")

rez_kmeans  # Show results
#> # Clustering Solution
#> 
#> The 3 clusters accounted for 76.70% of the total variance of the original data.
#> 
#> Cluster | n_Obs | Sum_Squares | Sepal.Length | Sepal.Width | Petal.Length | Petal.Width
#> ---------------------------------------------------------------------------------------
#> 1       |    53 |       44.09 |        -0.05 |       -0.88 |         0.35 |        0.28
#> 2       |    47 |       47.45 |         1.13 |        0.09 |         0.99 |        1.01
#> 3       |    50 |       47.35 |        -1.01 |        0.85 |        -1.30 |       -1.25
#> 
#> # Indices of model performance
#> 
#> Sum_Squares_Total | Sum_Squares_Between | Sum_Squares_Within |    R2
#> --------------------------------------------------------------------
#> 596.000           |             457.112 |            138.888 | 0.767
#> 
#> # You can access the predicted clusters via 'predict()'.
plot(summary(rez_kmeans))  # Visualize cluster centers
image

[predict()](https://rdrr.io/r/stats/predict.html)提取每个鸢尾花的分类的信息。.

predict(rez_kmeans)  # Get clusters
#>   [1] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
#>  [38] 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1 1 2 1 1 1
#>  [75] 1 2 2 2 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 2 2 2 1 2 2 2 2
#> [112] 2 2 1 1 2 2 2 2 1 2 1 2 1 2 2 1 2 2 2 2 2 2 1 1 2 2 2 1 2 2 2 1 2 2 2 1 2
#> [149] 2 1

Hierarchical Clustering

rez_hclust <- cluster_analysis(data, n = 3, method = "hclust")

rez_hclust  # Show results

# Visualize
plot(rez_hclust) + theme_modern()  # Visualize 
image.png

Hierarchical K-Means

rez_hkmeans <- cluster_analysis(data, n = 3, method = "hkmeans")

rez_hkmeans  # Show results

# Visualize
plot(rez_hkmeans) + theme_modern()  # Visualize 
image.png

K-Medoids (PAM)

rez_pam <- cluster_analysis(data, n = 3, method = "pam")

rez_pam  # Show results

# Visualize
plot(rez_pam) + theme_modern()  # Visualize 
image.png

无监督聚类算法

Bootstrapped Hierarchical Clustering

rez_hclust2 <- cluster_analysis(data, 
                        n = NULL, 
                        method = "hclust", 
                        iterations = 500,
                        ci = 0.90)

rez_hclust2  # Show results
plot(rez_hclust2) + theme_modern()  # Visualize
image.png

DBSCAN

eps <- n_clusters_dbscan(data, min_size = 0.1) 
eps
plot(eps)
image.png
rez_dbscan <- cluster_analysis(data, method = "dbscan", dbscan_eps = 1.45)

rez_dbscan  # Show results
plot(rez_dbscan) + theme_modern()  # Visualize
image.png

Hierarchical K-Means

rez_hdbscan <- cluster_analysis(data, method = "hdbscan")

rez_hdbscan  # Show results

# Visualize
plot(rez_hdbscan) + theme_modern()  # Visualize 
image.png

K-Medoids with estimation of number of clusters (pamk)

rez_pamk <- cluster_analysis(data, method = "pamk")

rez_pamk  # Show results

# Visualize
plot(rez_pamk) + theme_modern()  # Visualize 
image.png

Mixture

library(mclust)

rez_mixture <- cluster_analysis(data, method = "mixture")

rez_mixture  # Show results

# Visualize
plot(rez_mixture) + theme_modern()  # Visualize 
image.png

Metaclustering

list_of_results <- list(rez_kmeans, rez_hclust, rez_hkmeans, rez_pam,
                        rez_hclust2, rez_dbscan, rez_hdbscan, rez_mixture)

probability_matrix <- cluster_meta(list_of_results)

# Plot the matrix as a reordered heatmap
heatmap(probability_matrix, scale = "none", 
        col = grDevices::hcl.colors(256, palette = "inferno"))
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,214评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,307评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,543评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,221评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,224评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,007评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,313评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,956评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,441评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,925评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,018评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,685评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,234评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,240评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,464评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,467评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,762评论 2 345

推荐阅读更多精彩内容