Bagaimana cara mendapatkan jumlah cluster optimal dari keluaran dissimilarity (diana, cluster R package)?

Question

Saya mencoba untuk mendapatkan jumlah cluster optimal dari dendrogram yang diperoleh dengan paket cluster dan metode diana (menggunakan ketidaksamaan euclidean) dengan yang berikut:

mydatad <- diana(mydata, stand = FALSE)
mydata_dend <- fviz_dend(mydatad, cex = 0.5, k = 2, palette = "jco") 
## use factoextra and ggplot2 for visualization

kemudian saya mencoba menggunakan matriks ketidaksamaan dengan NbClust:

NC <- NbClust(data = NULL, diss = mydatadd, distance = NULL, min.nc = 2, max.nc = 50, method= "single", index = "silhouette")

dan saya mendapatkan pesan kesalahan ini ":

Error in if (is.na(n) || n > 65536L) stop("size cannot be NA nor exceed 65536") : 
  missing value where TRUE/FALSE needed

Namun data saya tidak memiliki nilai yang hilang, nilai terendah dalam matriks disim harus 0 untuk elemen identik (mydata adalah ~ 2000 elemen, 11 variabel).

Kemudian saya mencoba memperkirakan perbedaan tersebut. jarak menggunakan data asli dan mengestimasi jarak euclidean, sehingga tidak menggunakan matriks disimilaritas

NC <- NbClust(T2141d, diss = NULL, distance = "euclidean", min.nc = 2, max.nc = 50, method= "single", index = "silhouette")

dan saya mendapatkan pesan kesalahan berikut:

Error in t(jeu) %*% jeu : 
  requires numeric/complex matrix/vector arguments

setiap saran diterima, bahkan saran untuk metode yang berbeda untuk mendapatkan jumlah cluster yang optimal. terima kasih.

Answer 1

The NbClustFungsi membutuhkan matriks perbedaan. Saat Anda menjalankan diana, objek yang dikembalikan bukanlah matriks ketidaksamaan, meskipun telah dihitung. Anda perlu mengatur keep.diss=TRUE. Sebelum saya menunjukkan cara mengembalikan matriks ketidaksamaan menggunakan contoh dataset:

library(factoextra)
library(cluster)
mydata=data.frame(matrix(runif(2000*11),ncol=11))
mydatad <- diana(mydata, stand = FALSE,keep.diss=TRUE)
# check the dissimilarity matrix stored
class(mydatad$diss) [1] "dissimilarity" "dist" NC <- NbClust(data = NULL, diss = mydatad$diss, 
distance = NULL, min.nc = 2, max.nc = 50, 
method= "single", index = "silhouette")