R medoids 从聚类中计算 pam 一致的 Medoids

说明

给定数据矩阵或相异度 x(例如 n 观察单位和聚类)，计算 pam() 一致中心点。

用法

medoids(x, clustering, diss = inherits(x, "dist"), USE.NAMES = FALSE, ...)

参数

x	数据矩阵或 DataFrame ，或相异矩阵或对象，另请参阅 pam 。
clustering	长度为 n 的整数向量，即观测值的数量，为每个观测值提供其所属簇的编号 ('id')。换句话说，clustering 具有来自 1:k 的值，其中 k 是聚类数，另请参阅 partition.object 和 cutree()，了解计算此类聚类向量的示例。
diss	另请参阅pam。
USE.NAMES	一个逻辑的、典型的 false，传递给计算 medoids 的 vapply() 调用。
...	可选的进一步参数传递给 pam(xj, k=1, ...) ，特别是 metric 或 variant="f_5" 以使用更快的算法，或 trace.lev = k 。

值

长度的数值向量

例子

## From example(agnes):
data(votes.repub)
agn1 <- agnes(votes.repub, metric = "manhattan", stand = TRUE)
agn2 <- agnes(daisy(votes.repub), diss = TRUE, method = "complete")
agnS <- agnes(votes.repub, method = "flexible", par.meth = 0.625)

for(k in 2:11) {
  print(table(cl.k <- cutree(agnS, k=k)))
  stopifnot(length(cl.k) == nrow(votes.repub), 1 <= cl.k, cl.k <= k, table(cl.k) >= 2)
  m.k <- medoids(votes.repub, cl.k)
  cat("k =", k,"; sort(medoids) = "); dput(sort(m.k), control={})
}

作者

Martin Maechler, after being asked how pam() could be used instead of kmeans(), starting from a previous clustering.

也可以看看

pam、kmeans。此外，cutree()和agnes(或hclust)。