考虑到中心的顺序，在 kmean 结果中重新标记样本

Question

我正在使用 kmeans 对我的数据进行聚类，对于生成的结果我有一个计划。

我想根据有序中心重新标记样本。考虑以下示例:

a = c("a","b","c","d","e","F","i","j","k","l","m","n")
b = c(1,2,3,20,21,21,40,41,42,4,23,50)

mydata = data.frame(id=a,amount=b)
result = kmeans(mydata$amount,3,nstart=10)

结果如下:

clus$cluster 
2 2 2 3 3 3 1 1 1 2 3 1

clus$centers
1 43.25
2  2.50
3 21.25


mydata = data.frame(mydata,label =clus$cluster)
mydata
    id amount  label
1   a      1        2
2   b      2        2
3   c      3        2
4   d     20        3
5   e     21        3
6   F     21        3
7   i     40        1
8   j     41        1
9   k     42        1
10  l      4        2
11  m     23        3
12  n     50        1

我正在寻找的是对中心进行排序并相应地生成标签:

1  2.50
2  21.25
3  43.25

并标记样本将要:

1 1 1 2 2 2 3 3 3 1 2 3 

结果应该是:

    id amount  label
1   a      1        1
2   b      2        1
3   c      3        1
4   d     20        2
5   e     21        2
6   F     21        2
7   i     40        3
8   j     41        3
9   k     42        3
10  l      4        1
11  m     23        2
12  n     50        3

我认为可以通过对中心进行排序并为每个样本采用样本与中心的最小距离索引作为该集群的标签来做到这一点。

还有其他方法可以让 R 自动完成吗？

Answer 1

一个想法是通过将您的中心与排序的中心匹配来创建一个命名向量。然后将向量与 mydata$label 匹配并替换为向量的名称，即

i1 <- setNames(match(sort(result$centers), result$centers), rownames(result$centers))

as.numeric(names(i1)[match(mydata$label, i1)])
# [1] 1 1 1 2 2 2 3 3 3 1 2 3