R pam.object 圍繞 Medoids (PAM) 對象進行分區

說明

"pam" 類的對象表示將數據集劃分為簇。

值

合法的 pam 對象是具有以下組件的 list：

medoids	簇的中心點或代表對象。如果給出相異矩陣作為 pam 的輸入，則給出觀察值的數字或標簽向量，否則 medoids 是 matrix，每一行中都有一個中心點的坐標。
id.med	給出中心點觀測數的索引整數向量。
clustering	聚類向量，請參閱partition.object。
objective	pam 算法第一步和第二步之後的目標函數。
isolation	長度等於簇數的向量，指定哪些簇是孤立簇(L-或 L*-簇)以及哪些簇不是孤立的。 當且僅當一個簇的直徑小於其間隔時，該簇就是 L* 簇。一個簇是一個 L-cluster iff，對於每個觀測值 i，i 與該簇的任何其他觀測值之間的最大差異小於 i 與另一個簇的任何觀測值之間的最小差異。顯然，每個 L* 簇也是一個L-cluster。
clusinfo	矩陣，每一行給出一個簇的數字信息。它們是簇的基數(觀測值的數量)、簇中觀測值與簇中心點之間的最大和平均差異、簇的直徑(簇的兩個觀測值之間的最大差異)以及簇的分離度。簇(簇的觀察與另一個簇的觀察之間的最小差異)。
silinfo	包含輪廓寬度信息的列表，請參閱partition.object。
diss	相異性(可能為 NULL)，請參閱 partition.object 。
call	生成調用，請參閱partition.object。
data	(可能標準化)請參閱partition.object。

GENERATION

這些對象是從 pam 返回的。

METHODS

"pam" 類具有用於以下通用函數的方法：print 、 summary 。

INHERITANCE

類 "pam" 繼承自 "partition" 。因此，通用函數plot 和clusplot 可用於pam 對象。

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。