我已经使用函数(R中的集群包)成功运行了围绕Medoids的分区,现在,我想要使用结果将新观察归因于先前定义的簇/冥界。PAM集群 - 在另一个数据集中使用结果
另一种方法把问题是,鉴于ķ簇/中心点划分已发现由PAM功能,这是更接近一个附加的观察,这不是在初始数据集?
x<-matrix(c(1,1.2,0.9,2.3,2,1.8,
3.2,4,3.1,3.9,3,4.4),6,2)
x
[,1] [,2]
[1,] 1.0 3.2
[2,] 1.2 4.0
[3,] 0.9 3.1
[4,] 2.3 3.9
[5,] 2.0 3.0
[6,] 1.8 4.4
pam(x,2)
观测1,3和5,和图2,4和6被聚集在一起,并观察1和6是中心点划分:
Medoids:
ID
[1,] 1 1.0 3.2
[2,] 6 1.8 4.4
Clustering vector:
[1] 1 2 1 2 1 2
现在,向其中簇/ medoidý应归功于/有关联?
y<-c(1.5,4.5)
噢,如果你有几个解决方案,我的大数据集中的计算时间很重要。
可以计算为y和以往任何时候都距离小于从位数的距离。 Y将属于该群集。 –
您不需要'which.min'和距离计算库。 **只需自己写*一行代码** ** –