我有一个数据框架,它被划分为行中的样本和列中的变量
在执行PCA时:
df.pca <- PCA(df, graph = FALSE, ncp = Inf)
df.coord <- data.frame(df.pca$ind$coord)
然后在我的PCA数据上使用k-means:
df.kmeans = kmeans(df.coord, 3, nstart = 25)
并可视化集群的形成:
fviz.cluster(object = df.kmeans, data = df.pca)
我得到了一个具有正确维度的漂亮图表(我的数据的dim1为75%,dim为212%,由PCA计算得出)。
但如果我用k-medoid算法(PAM)做同样的事情:
df.pca <- PCA(df, graph = FALSE, ncp = Inf)
df.coord <- data.frame(flies.todos.pca$ind$coord)
df.pam = pam(df.coord, 3, nstart = 25)
fviz.cluster(object = df.pam, data = df.pca)
我用完全相同的数据得到了不正确的尺寸(dim1 3.4%,dim 2 3.4%)。
如何定义PCA的维度?
我试过了:
fviz.cluster(object = df.pam, data = df.coord)
fviz.cluster(object = df.pam, data = df)
如果没有成功,我总是得到3.4%的维度,这些维度甚至都不接近PCA值
https://stackoverflow.com/questions/55799667
复制相似问题