Het doel is om clusters zo te vinden dat waarnemingen binnen elke cluster behoorlijk op elkaar lijken, terwijl waarnemingen in verschillende clusters behoorlijk van elkaar verschillen.<\/span><\/p>\n Clustering is een vorm van leren zonder toezicht<\/a> , omdat we eenvoudigweg structuur proberen te vinden binnen een dataset in plaats van de waarde van een responsvariabele<\/a> te voorspellen.<\/span><\/p>\n Clustering wordt vaak gebruikt in marketing wanneer bedrijven toegang hebben tot informatie zoals:<\/span><\/p>\n Wanneer deze informatie beschikbaar is, kan clustering worden gebruikt om huishoudens te identificeren die vergelijkbaar zijn en waarbij de kans groter is dat ze bepaalde producten kopen of beter reageren op een bepaald soort reclame.<\/span><\/p>\n Een van de meest voorkomende vormen van clustering staat bekend als k-means clustering<\/a> .<\/span><\/p>\n Helaas kan deze methode worden be\u00efnvloed door uitschieters, daarom is k-medoids clustering<\/strong> een vaak gebruikt alternatief.<\/span><\/p>\n K-medoids-clustering is een techniek waarbij we elke waarneming in een dataset in een van de K-<\/em> clusters plaatsen.<\/span><\/p>\n Het einddoel is om K-<\/em> clusters te hebben waarin waarnemingen binnen elke cluster behoorlijk op elkaar lijken, terwijl waarnemingen in verschillende clusters behoorlijk van elkaar verschillen.<\/span><\/p>\n In de praktijk gebruiken we de volgende stappen om K-means clustering uit te voeren:<\/span><\/p>\n 1. Kies een waarde voor K.<\/em><\/strong><\/span><\/p>\n 2. Wijs elke waarneming willekeurig toe aan een eerste cluster, van 1 tot K.<\/em><\/strong><\/span><\/p>\n 3. Voer de volgende procedure uit totdat de clustertoewijzingen niet meer veranderen.<\/strong><\/span><\/p>\n Technische notitie:<\/strong><\/span><\/p>\n Omdat k-medoids clusterzwaartepunten berekent met behulp van medianen in plaats van gemiddelden, is het doorgaans robuuster voor uitschieters dan k-gemiddelden.<\/span><\/p>\n In de praktijk zullen k-means en k-medoids vergelijkbare resultaten opleveren als er geen extreme uitschieters in de dataset voorkomen.<\/span><\/p>\n<\/blockquote>\n De volgende zelfstudie biedt een stapsgewijs voorbeeld van het uitvoeren van k-medoids-clustering in R.<\/span><\/p>\n Eerst zullen we twee pakketten laden die verschillende nuttige functies bevatten voor k-medoids-clustering in R.<\/span><\/p>\n Voor dit voorbeeld gebruiken we de USArrests-<\/em> gegevensset die is ingebouwd in R, die het aantal arrestaties per 100.000 mensen in elke Amerikaanse staat in 1973 bevat voor moord<\/em> , aanranding<\/em> en verkrachting<\/em> , evenals het percentage van de bevolking van elke staat dat in stedelijke gebieden woont. gebieden. , UrbanPop<\/em> .<\/span><\/p>\n De volgende code laat zien hoe u het volgende kunt doen:<\/span><\/p>\n Om k-medoid-clustering in R uit te voeren, kunnen we de pam()-<\/strong> functie gebruiken, wat staat voor \u201cpartitionering rond medianen\u201d en de volgende syntaxis gebruikt:<\/span><\/p>\n pam(data, k, metrisch = \u201cEuclidisch\u201d, stand = ONWAAR)<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n Omdat we van tevoren niet weten welk aantal clusters optimaal is, maken we twee verschillende grafieken die ons kunnen helpen beslissen:<\/span><\/p>\n 1. Aantal clusters ten opzichte van totaal in som van kwadraten<\/strong><\/span><\/p>\n Eerst gebruiken we de functie fviz_nblust()<\/strong> om een grafiek te maken van het aantal clusters versus het totaal in de som van de kwadraten:<\/span> <\/p>\n Het totaal in de som der kwadraten zal over het algemeen altijd toenemen naarmate we het aantal clusters vergroten. Dus als we dit type plot maken, zoeken we naar een \u2018knie\u2019 waar de som van de kwadraten begint te \u2018buigen\u2019 of af te vlakken.<\/span><\/p>\n Het krommingspunt van de grafiek komt doorgaans overeen met het optimale aantal clusters. Boven dit cijfer is het waarschijnlijk dat er sprake is van overfitting<\/a> .<\/span><\/p>\n\n
Wat is K-Medoids-clustering?<\/strong><\/span><\/h3>\n
\n
\n
\n
K-Medoids clusteren in R<\/strong><\/span><\/h3>\n
Stap 1: Laad de benodigde pakketten<\/strong><\/span><\/h3>\n
library<\/span> (factoextra)\nlibrary<\/span> (cluster)<\/strong><\/pre>\n Stap 2: Gegevens laden en voorbereiden<\/strong><\/span><\/h3>\n
\n
#load data<\/span>\ndf <-USArrests\n\n#remove rows with missing values<\/span><\/strong>\ndf <- na. omitted<\/span> (df)\n\n#scale each variable to have a mean of 0 and sd of 1<\/span><\/strong>\ndf <- scale(df)\n\n#view first six rows of dataset<\/span>\nhead(df)\n\n Murder Assault UrbanPop Rape\nAlabama 1.24256408 0.7828393 -0.5209066 -0.003416473\nAlaska 0.50786248 1.1068225 -1.2117642 2.484202941\nArizona 0.07163341 1.4788032 0.9989801 1.042878388\nArkansas 0.23234938 0.2308680 -1.0735927 -0.184916602\nCalifornia 0.27826823 1.2628144 1.7589234 2.067820292\nColorado 0.02571456 0.3988593 0.8608085 1.864967207\n<\/strong><\/pre>\n Stap 3: Vind het optimale aantal clusters<\/strong><\/span><\/h3>\n
\n
fviz_nbclust(df, pam, method = \u201c wss<\/span> \u201d)<\/strong> <\/pre>\n![\"Optimale](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide1.png\")
<\/p>\n
![\"K-medoids](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide2.png\")
<\/p>\n![\"K-medoid-clusters](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kmedoide3.png\")
<\/p>\n