Кластеры по-прежнему назначаются по расстоянию до центров, за исключением случаев, когда для k-medoids центр фактически является точкой данных в наборе данных. См. Код в R ниже:
library(ClusterR)
library(ggplot2)
set.seed(100)
# we use the iris data set, split into 2
a = sample(nrow(iris),90)
data_b = iris[-a,1:4]
data_a = iris[a,1:4]
#perform k medoids
cm = Cluster_Medoids(data_a,clusters=3)
Вы можете видеть, что медоиды являются точками данных:
cm$medoids
Sepal.Length Sepal.Width Petal.Length Petal.Width
95 5.6 2.7 4.2 1.3
12 4.8 3.4 1.6 0.2
111 6.5 3.2 5.1 2.0
Мы go впереди и прогнозируем:
pm = predict_Medoids(data_b,MEDOIDS=cm$medoids)
И мы можем рассчитать расстояние между медоидами из 1-го набора данных и назначить второй набор данных для кластеров:
M = as.matrix(dist(rbind(cm$medoids,data_b)))
labs = sapply(4:nrow(M),function(i)which.min(M[i,1:3]))
Мы проверяем, и вы можете видеть, что рассчитанные вручную кластеры согласуются с реализованным в clusterR:
table(pm$clusters==labs)
TRUE
60
Мы можем визуализировать это:
PCA = prcomp(rbind(data_a,data_b))$x
plotdf = data.frame(PCA[,1:2],
label=c(cm$clusters,pm$clusters),
dataset=rep(c("train","pred"),c(nrow(data_a),nrow(data_b)))
)
ggplot(plotdf,aes(x=PC1,y=PC2,col=factor(label),shape=dataset)) +
geom_point() + scale_color_brewer(palette="Paired") + theme_bw()