R xclara 具有 3 个聚类的双变量数据集

说明

一个人工数据集，由 3 个 well-separated 簇中的 3000 个点组成。

用法

data(xclara)

格式

一个 DataFrame ，对 2 个数值变量(名为 V1 和 V2 )进行 3000 个观测，分别给出点的 x 和 y 坐标。

注意

我们的 xclara 版本比 read.table("xclara.dat") 版本稍微更圆润，all.equal 测量的相对差异是 1.15e-7(对于 V1)和 1.17e-7(对于 V2)，这表明我们的版本已options(digits = 7) 格式化的结果。

此前(2017 年 5 月之前)，据称这三个簇的大小均为 1000，这显然是错误的。 pam(*, 3) 给出的簇大小为 899、1149 和 952，除了七个 “outliers” (或 “mislabellings”)对应于观察索引 \{1:900\} 、 \{901:2050\} 和 \{2051:3000\} ，请参见示例。

例子

## Visualization: Assuming groups are defined as {1:1000}, {1001:2000}, {2001:3000}
plot(xclara, cex = 3/4, col = rep(1:3, each=1000))
p.ID <- c(78, 1411, 2535) ## PAM's medoid indices  == pam(xclara, 3)$id.med
text(xclara[p.ID,], labels = 1:3, cex=2, col=1:3)

 px <- pam(xclara, 3) ## takes ~2 seconds
 cxcl <- px$clustering ; iCl <- split(seq_along(cxcl), cxcl)
 boxplot(iCl, range = 0.7, horizontal=TRUE,
         main = "Indices of the 3 clusters of  pam(xclara, 3)")

 ## Look more closely now:
 bxCl <- boxplot(iCl, range = 0.7, plot=FALSE)
 ## We see 3 + 2 + 2 = 7  clear "outlier"s  or "wrong group" observations:
 with(bxCl, rbind(out, group))
 ## out   1038 1451 1610   30  327  562  770
 ## group    1    1    1    2    2    3    3
 ## Apart from these, what are the robust ranges of indices? -- Robust range:
 t(iR <- bxCl$stats[c(1,5),])
 ##    1  900
 ##  901 2050
 ## 2051 3000
 gc <- adjustcolor("gray20",1/2)
 abline(v = iR, col = gc, lty=3)
 axis(3, at = c(0, iR[2,]), padj = 1.2, col=gc, col.axis=gc)

来源

示例数据集附有以下参考文献(文件‘xclara.dat' 里面 'clus_examples.tar.gz’)。

参考

Anja Struyf, Mia Hubert & Peter J. Rousseeuw (1996) Clustering in an Object-Oriented Environment. Journal of Statistical Software 1. doi:10.18637/jss.v001.i04