Jak stworzyć ładny wykres wyników analizy skupień k-średnich?

Używam R, aby wykonać grupowanie K-oznacza. Używam 14 zmiennych do uruchomienia K-średnich

• Jaki jest ładny sposób na wykreślenie wyników K-średnich?
• Czy są jakieś istniejące wdrożenia?
• Czy posiadanie 14 zmiennych komplikuje wykreślanie wyników?

Znalazłem coś o nazwie GGcluster, które wygląda fajnie, ale wciąż jest w fazie rozwoju. Przeczytałem też coś o mapowaniu sammon, ale nie zrozumiałem tego zbyt dobrze. Czy to byłaby dobra opcja?

W tym celu wykorzystałbym wykres sylwetki, ponieważ jest mało prawdopodobne, aby uzyskać wiele przydatnych informacji z wykresów par, gdy liczba wymiarów wynosi 14.

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

To podejście jest wysoko cytowane i dobrze znane ( wyjaśnienie znajduje się tutaj ).

Rousseeuw, PJ (1987) Silhouettes: Graficzna pomoc w interpretacji i walidacji analizy skupień . J. Comput. Appl. Matematyka , 20 , 53–65.

Oto przykład, który może ci pomóc:

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])) 

Na podstawie tego ostatniego wykresu możesz zdecydować, które ze zmiennych początkowych chcesz wykreślić. Może 14 zmiennych jest ogromnych, więc możesz wypróbować analizę głównego składnika (PCA) przed, a następnie użyć pierwszych dwóch lub trzech składników z PCA do przeprowadzenia analizy skupień.

Najprostszy znany mi sposób to:

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)

W ten sposób możesz narysować punkty każdej gromady, używając innego koloru i ich centroidów.