聚类训练数据后，如何预测新数据的聚类？

我是新来的R，和我已经训练有素使用hclust模型：聚类训练数据后，如何预测新数据的聚类？

model=hclust(distances,method="ward”)

而结果看起来不错：

enter image description here

现在，我得到了一些新的数据记录，我想要预测他们每个人属于哪个集群。我如何完成它？

2014-01-11 MrROY

你所描述的听起来更像是分类。例如，参见[package class]中的'knn（...）'函数（http://cran.r-project.org/web/packages/class/class.pdf）。 – jlhoward

@MrROY你是怎么用knn解决问题的？你有一个例子吗？ – loki

这使用knn https://www.rdocumentation.org/packages/arules/versions/1.5-0/topics/predict – Chris

正如名称所示，群集不应该对新数据进行“分类” - 它是分类的核心概念。

某些聚类算法（如基于质心的kmeans，kmedians等）可以基于创建的模型“标记”新实例。不幸的是，层次聚类不是其中之一 - 它不会分割输入空间，它只是“连接”聚类过程中给出的一些对象，因此您无法将新点指定给此模型。

使用hclust进行“分类”的唯一“解决方案”是在由hclust给出的标记数据之上创建另一个分类器。例如，您现在可以训练knn（即使k = 1）数据与hclust标签上的数据，并使用它将标签分配给新点。

2014-01-11 18:01:56 lejlot

伟大的'knn'值得尝试。 – MrROY

-3

为什么不计算每个hclust簇的点的质心，然后使用相同的距离函数为最近的点分配一个新点？

在课堂上knn将只看最近的n，只允许欧几里德距离。

没有必要运行分类器。

2015-05-21 19:32:27 Chris

，因为分层聚类不会创建质心是定义良好的对象的聚类。在这种情况下，你是远离真理的，在这种情况下需要分类器，1nn（上面提出的建议）是最简单并且可能足够的解决方案（它的代码甚至比你的建议更简单），它将起作用，而计算质心不会。 – lejlot

上述方法对kmeans更有效。关于HCA，我不知道是否可以根据树状图的结果采用树分裂技术？ – Chris

您可以使用此分类，然后使用LDA来预测新点应属于哪个类。

2017-01-11 08:14:20 Praveen

回答