R语言中聚类确定最佳K值之Calinsky criterion

Calinski-Harabasz准则有时称为方差比准则 (VRC)，它可以用来确定聚类的最佳K值。Calinski Harabasz 指数定义为：

其中，K是聚类数，N是样本数，SSB是组与组之间的平方和误差，SSw是组内平方和误差。因此，如果SSw越小、SSB越大，那么聚类效果就会越好，即Calinsky criterion值越大，聚类效果越好。

1.下载permute、lattice、vegan包

install.packages(c("permute","lattice","vegan"))

2.引入permute、lattice、vegan包

library(permute)
library(lattice)
library(vegan)

3.读取数据

data <- read.csv("data/data.csv")

4.计算最佳K值

fit <- cascadeKM(data,3,10,iter=10,criterion="calinski")  
calinski.best <- as.numeric(which.max(fit$results[2,]))

5.图片保存

png(file="data/calinskibest.png")   
plot(fit, sortg = TRUE, grpmts.plot = TRUE)  
dev.off()

6.截图

封装DetermineClustersNumHelper.R类

# ============================
#     确定最佳聚类K值        #
# ============================

# 引入包库
library(permute)
library(lattice)
library(vegan)

# 获取最佳K值函数
get_best_calinski <- function(file_name){
  # 获取故障数据
  data <- read.csv(paste("data/km/",file_name,".csv",sep=""),header = T)
  # 计算
  fit <- cascadeKM(data,3,10,iter=10,criterion="calinski")
  calinski.best <- as.numeric(which.max(fit$results[2,]))
  # 保存图片
  png(file=paste("data/km/",file_name,calinski.best,".png",sep="")) 
  plot(fit, sortg = TRUE, grpmts.plot = TRUE)
  dev.off()
}


# ==========================================================================

# For example
#file_list <- array(c("failure_data_normalization","failure_normal_data_normalization"))
#for(file in file_list){
#　# 调用函数
#  get_best_calinski(file)
#}

# ==========================================================================