Determinazione del numero ideale di cluster per la sequenza (distanza) - clustering basato

Question

Ho scritto queste funzioni per i dati basati sulla sequenza di clustering:

library(TraMineR)
library(cluster)

clustering <- function(data){
  data <- seqdef(data, left = "DEL", gaps = "DEL", right = "DEL")
  couts <- seqsubm(data, method = "CONSTANT")
  data.om <- seqdist(data, method = "OM", indel = 3, sm = couts)
  clusterward <- agnes(data.om, diss = TRUE, method = "ward")
  (clusterward)
}

rc <- clustering(rubinius_sequences)

cluster_cut <- function(data, clusterward, n_clusters, name_clusters){
  data <- seqdef(data, left = "DEL", gaps = "DEL", right = "DEL")
  cluster4 <- cutree(clusterward, k = n_clusters)
  cluster4 <- factor(cluster4, labels = c("Type 1", "Type 2", "Type 3", "Type 4"))
  (data[cluster4==name_clusters,])
}

rc1 <- cluster_cut(project_sequences, rc, 4, "Type 1")

.

Tuttavia, qui il numero di cluster è assegnato arbitrariamente.C'è un modo in cui posso dimostrare che la quantità di varianza (o qualche misura simile) catturata da un certo numero di cluster inizia a raggiungere un punto di rendimenti decrescenti a un certo numero di cluster?Sto immaginando qualcosa di simile a un traccia di ghiaione inAnalisi dei fattori .

Answer 1

library(WeightedCluster)  
(agnesRange <- wcKMedRange(rubinius.dist, 2:10))
plot(agnesRange, stat = c("ASW", "HG", "PBC"), lwd = 5)

.

Questo darà più indici per trovare il numero ideale di cluster, nonché come grafico.Ulteriori informazioni sugli indici possono essere trovate qui (sotto la qualità del cluster): http://mephisto.unige.ch/weighdcluster/