R : k-means clustering- 군집화 ( 개념 및 예제 )

군집화 거리 계산

군집화에 대한 거리를 계산하는 공식은 아래와 같습니다. R에서 내장된 공식을 통해 k-means clustering 실습을 진행해보도록 하겠습니다.

R function: kmeans

kmeans(x, centers, iter.max = 10, nstart = 1,

algorithm = c("Hartigan-Wong", "Lloyd", "Forgy","MacQueen"))

kmeans에 대한 매개 변수는 다음과 같습니다.

- x : 수치형 데이터 matrix

- centers : 몇 개의 그룹으로 나눌 것인가

- iter.max : 그룹 중심점을 찾기 위한 최대 반복 횟수

- nstart : 초기에 그룹 중심점을 임의로 잡을 때 몇 개의 점을 이용할것인가

- algorithm : 사용할 알고리즘

kmeans 실습

kmeans 알고리즘을 통해 군집화 실습 예제를 진행했습니다. 아래 예제와 결과들을 참고하세요.

require(graphics)

# create a 2-dimensional example

x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),

matrix(rnorm(100, mean = 1, sd = 0.3),

ncol = 2))

colnames(x) <- c("x", "y")

cl <- kmeans(x, 2)

cl # show clustering result

# K-means clustering with 2 clusters of sizes 50, 50

# Cluster means:

# x y

# 1 -0.01324708 -0.01495209

# 2 1.01950383 0.97088648

# Clustering vector:

# [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

# [42] 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

# [83] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

# Within cluster sum of squares by cluster:

# [1] 9.725841 9.927489

# (between_SS / total_SS = 72.2 %)

# Available components:

# [1] "cluster" "centers" "totss" "withinss" "tot.withinss"

# [6] "betweenss" "size" "iter" "ifault"

plot(x, col = cl$cluster)

points(cl$centers, col = 1:2, pch = 8, cex=2)

# random starts do help here with too many clusters

cl <- kmeans(x, 5, nstart = 25)

plot(x, col = cl$cluster)

points(cl$centers, col = 1:5, pch = 8)