如何将使用 k-medoids 算法（例如 PAM）的聚类解决方案应用于另一个数据集？

Question

我正在寻找一种方法，将来自 k-medoids 算法（我正在使用 PAM）的聚类解决方案从一个样本应用到另一个样本。我认为这可以用于 k-means 算法：对于 data1，从聚类结果中获取质心；然后在 data2 中，对于每个观察，计算到每个质心的距离，然后将每个观察分配给它最近的质心。通过这样做，我们将聚类解决方案从 data1 应用到 data2。但是，k-medoids 算法（例如 PAM）使用 medoids 作为聚类中心而不是均值。在这种情况下，我不清楚如何将聚类解决方案从一个样本应用到另一个样本。谁能帮忙回答一下这个问题？非常感谢！

Answer 1

聚类仍然按到中心的距离分配，除了 k-medoids，中心实际上是数据集中的一个数据点。请参阅下面 R 中的代码：

library(ClusterR)
library(ggplot2)
set.seed(100)
# we use the iris data set, split into 2
a = sample(nrow(iris),90)
data_b = iris[-a,1:4]
data_a = iris[a,1:4]

#perform k medoids
cm = Cluster_Medoids(data_a,clusters=3)

你可以看到中心点是数据点：

cm$medoids
    Sepal.Length Sepal.Width Petal.Length Petal.Width
95           5.6         2.7          4.2         1.3
12           4.8         3.4          1.6         0.2
111          6.5         3.2          5.1         2.0

我们继续预测：

pm = predict_Medoids(data_b,MEDOIDS=cm$medoids)

我们可以从第一个数据集计算中心点之间的距离，并将第二个数据集分配给聚类：

M = as.matrix(dist(rbind(cm$medoids,data_b)))
labs = sapply(4:nrow(M),function(i)which.min(M[i,1:3]))

我们检查你可以看到，手动计算的集群与 clusterR 中实现的一致：

table(pm$clusters==labs)

TRUE 
  60

我们可以想象一下：

PCA = prcomp(rbind(data_a,data_b))$x
plotdf = data.frame(PCA[,1:2],
label=c(cm$clusters,pm$clusters),
dataset=rep(c("train","pred"),c(nrow(data_a),nrow(data_b)))
)

ggplot(plotdf,aes(x=PC1,y=PC2,col=factor(label),shape=dataset)) + 
geom_point() + scale_color_brewer(palette="Paired") + theme_bw()

如何将使用 k-medoids 算法（例如 PAM）的聚类解决方案应用于另一个数据集？

How to apply the clustering solution using k-medoids algorithm (for example PAM) to another dataset?

cluster-analysis