R pam.object 围绕 Medoids (PAM) 对象进行分区

说明

"pam" 类的对象表示将数据集划分为簇。

值

合法的 pam 对象是具有以下组件的 list：

medoids	簇的中心点或代表对象。如果给出相异矩阵作为 pam 的输入，则给出观察值的数字或标签向量，否则 medoids 是 matrix，每一行中都有一个中心点的坐标。
id.med	给出中心点观测数的索引整数向量。
clustering	聚类向量，请参阅partition.object。
objective	pam 算法第一步和第二步之后的目标函数。
isolation	长度等于簇数的向量，指定哪些簇是孤立簇(L-或 L*-簇)以及哪些簇不是孤立的。 当且仅当一个簇的直径小于其间隔时，该簇就是 L* 簇。一个簇是一个 L-cluster iff，对于每个观测值 i，i 与该簇的任何其他观测值之间的最大差异小于 i 与另一个簇的任何观测值之间的最小差异。显然，每个 L* 簇也是一个L-cluster。
clusinfo	矩阵，每一行给出一个簇的数字信息。它们是簇的基数(观测值的数量)、簇中观测值与簇中心点之间的最大和平均差异、簇的直径(簇的两个观测值之间的最大差异)以及簇的分离度。簇(簇的观察与另一个簇的观察之间的最小差异)。
silinfo	包含轮廓宽度信息的列表，请参阅partition.object。
diss	相异性(可能为 NULL)，请参阅 partition.object 。
call	生成调用，请参阅partition.object。
data	(可能标准化)请参阅partition.object。

GENERATION

这些对象是从 pam 返回的。

METHODS

"pam" 类具有用于以下通用函数的方法：print 、 summary 。

INHERITANCE

类 "pam" 继承自 "partition" 。因此，通用函数plot 和clusplot 可用于pam 对象。

例子

## Use the silhouette widths for assessing the best number of clusters,
## following a one-dimensional example from Christian Hennig :
##
x <- c(rnorm(50), rnorm(50,mean=5), rnorm(30,mean=15))
asw <- numeric(20)
## Note that "k=1" won't work!
for (k in 2:20)
  asw[k] <- pam(x, k) $ silinfo $ avg.width
k.best <- which.max(asw)
cat("silhouette-optimal number of clusters:", k.best, "\n")

plot(1:20, asw, type= "h", main = "pam() clustering assessment",
     xlab= "k  (# clusters)", ylab = "average silhouette width")
axis(1, k.best, paste("best",k.best,sep="\n"), col = "red", col.axis = "red")

也可以看看

pam、dissimilarity.object、partition.object、plot.partition。