Làm thế nào để tạo ra một sơ đồ đẹp về kết quả phân tích cụm k-nghĩa?

Tôi đang sử dụng R để thực hiện phân cụm K-nghĩa. Tôi đang sử dụng 14 biến để chạy K-mean

• Một cách khá hay để vẽ kết quả của K-nghĩa là gì?
• Có bất kỳ triển khai hiện có?
• Có 14 biến làm phức tạp âm mưu kết quả?

Tôi đã tìm thấy một thứ gọi là GGcluster trông rất tuyệt nhưng nó vẫn đang được phát triển. Tôi cũng đã đọc một cái gì đó về ánh xạ sammon, nhưng không hiểu rõ lắm. Đây sẽ là một lựa chọn tốt?

Tôi sẽ đẩy cốt truyện hình bóng cho điều này, vì không chắc rằng bạn sẽ nhận được nhiều thông tin có thể thực hiện được từ các ô cặp khi số thứ nguyên là 14.

library(cluster)
library(HSAUR)
data(pottery)
km    <- kmeans(pottery,3)
dissE <- daisy(pottery) 
dE2   <- dissE^2
sk2   <- silhouette(km$cl, dE2)
plot(sk2)

Cách tiếp cận này được trích dẫn nhiều và được biết đến (xem ở đây để giải thích).

Rousseeuw, PJ (1987) Bóng : Một trợ giúp đồ họa cho việc giải thích và xác nhận phân tích cụm . J. Tính toán. Táo. Môn Toán. , 20 , 53-65.

Dưới đây là một ví dụ có thể giúp bạn:

library(cluster)
library(fpc)

data(iris)
dat <- iris[, -5] # without known classification 
# Kmeans clustre analysis
clus <- kmeans(dat, centers=3)

# Fig 01
plotcluster(dat, clus$cluster)

# More complex
clusplot(dat, clus$cluster, color=TRUE, shade=TRUE, 
         labels=2, lines=0)

# Fig 03
with(iris, pairs(dat, col=c(1:3)[clus$cluster])) 

Dựa trên biểu đồ sau, bạn có thể quyết định biến nào trong số các biến ban đầu của mình. Có thể 14 biến là rất lớn, vì vậy bạn có thể thử phân tích thành phần chính (PCA) trước và sau đó sử dụng hai hoặc ba thành phần đầu tiên từ PCA để thực hiện phân tích cụm.

Cách đơn giản nhất mà tôi biết để làm điều đó là như sau:

X <- data.frame(c1=c(0,1,2,4,5,4,6,7),c2=c(0,1,2,3,3,4,5,5))
km <- kmeans(X, center=2)
plot(X,col=km$cluster)
points(km$center,col=1:2,pch=8,cex=1)

Bằng cách này, bạn có thể vẽ các điểm của mỗi cụm bằng cách sử dụng một màu khác nhau và trọng tâm của chúng.