如何从 clusGap 函数中获取最佳簇数作为输出？

Question

我有一个包含 2 个变量的数据框，我想使用 clusGap 函数来查找最适合使用的聚类数。此代码具有类似的结果：

library(cluster)    
x <- as.vector(runif(100, 0, 1))
y <- as.vector(runif(100, 0, 1))
df <- data.frame(x, y)
gap_stat <- clusGap(df, FUN = kmeans, nstart = n,
                    K.max = 10, B = 50)
gap_stat

结果：

Clustering Gap statistic ["clusGap"] from call:
clusGap(x = df, FUNcluster = kmeans, K.max = 10, B = 50, nstart = n)
B=50 simulated reference sets, k = 1..10; spaceH0="scaledPCA"
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 1
          logW   E.logW           gap     SE.sim
 [1,] 2.569315 2.584217  0.0149021144 0.03210076
 [2,] 2.285049 2.284537 -0.0005116382 0.03231529
 [3,] 2.053193 2.033653 -0.0195399122 0.03282376
 [4,] 1.839085 1.835590 -0.0034952935 0.03443303
 [5,] 1.691219 1.708479  0.0172603348 0.03419994
 [6,] 1.585084 1.597277  0.0121935992 0.03440672
 [7,] 1.504763 1.496853 -0.0079104306 0.03422321
 [8,] 1.416176 1.405903 -0.0102731340 0.03371149
 [9,] 1.333721 1.323658 -0.0100626869 0.03245958
[10,] 1.253199 1.250366 -0.0028330498 0.03034140

如您在第 4 行中所见，最佳簇数为 1。我希望该函数的输出为 1。我需要最佳的输出数量是环境中的一个对象，比如n是1.

Answer 1

通常此类信息直接位于对象内部的某个位置，例如 gap_stat$nc。寻找它 str(gap_stat) 通常就足够了。

然而，在这种情况下，上述策略是不够的。但事实上，您可以在输出中看到您感兴趣的数字，这意味着 print.clusGap（因为 gap_stat 的 class 是 clusGap）将显示如何获取此数字。因此，检查 cluster:::print.clusGap 会导致

maxSE(f = gap_stat$Tab[, "gap"], SE.f = gap_stat$Tab[, "SE.sim"])
# [1] 1

Answer 2

这个以前可能不太透明，其实可以直接指定方法：

nc <- maxSE(f         = gap_stat$Tab[,"gap"],
            SE.f      = gap_stat$Tab[,"SE.sim"],
            method    = "firstSEmax",
            SE.factor = 1)

如何从 clusGap 函数中获取最佳簇数作为输出？

How to get the optimal number of clusters from the clusGap function as an output?

r

cluster-analysis

list

cluster-computing

output