R medoids 從聚類中計算 pam 一致的 Medoids

說明

給定數據矩陣或相異度 x(例如 n 觀察單位和聚類)，計算 pam() 一致中心點。

用法

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

參數

x	數據矩陣或 DataFrame ，或相異矩陣或對象，另請參閱 pam 。
clustering	長度為 n 的整數向量，即觀測值的數量，為每個觀測值提供其所屬簇的編號 ('id')。換句話說，clustering 具有來自 1:k 的值，其中 k 是聚類數，另請參閱 partition.object 和 cutree()，了解計算此類聚類向量的示例。
diss	另請參閱pam。
USE.NAMES	一個邏輯的、典型的 false，傳遞給計算 medoids 的 vapply() 調用。
...	可選的進一步參數傳遞給 pam(xj, k=1, ...) ，特別是 metric 或 variant="f_5" 以使用更快的算法，或 trace.lev = k 。

值

長度的數值向量

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)。