我有一组数据，希望根据Gap统计量来评估最佳的聚类数量。

我阅读了R中关于Gap统计量的页面，上面给出了以下示例：

gs.pam.RU <- clusGap(ruspini, FUN = pam1, K.max = 8, B = 500)gs.pam.RU

当我调用gs.pam.RU.Tab时，我得到

Clustering Gap statistic ["clusGap"].B=500 simulated reference sets, k = 1..8 --> Number of clusters (method 'firstSEmax', SE.factor=1): 4         logW   E.logW         gap     SE.sim[1,] 7.187997 7.135307 -0.05268985 0.03729363[2,] 6.628498 6.782815  0.15431689 0.04060489[3,] 6.261660 6.569910  0.30825062 0.04296625[4,] 5.692736 6.384584  0.69184777 0.04346588[5,] 5.580999 6.238587  0.65758835 0.04245465[6,] 5.500583 6.119701  0.61911779 0.04336084[7,] 5.394195 6.016255  0.62205988 0.04243363[8,] 5.320052 5.921086  0.60103416 0.04233645

我想从中获取聚类数量。但与pamk函数不同，pamk函数可以轻松获取这个数量，而我无法找到使用clusGap获取这个数量的方法。

然后我尝试使用maxSE函数，但我不知道参数f和SE.f代表什么，或者如何从数据矩阵中获取它们。

有没有简单的方法来获取这个最佳聚类数量？

回答：

答案在输出中：

... --> Number of clusters (method 'firstSEmax', SE.factor=1): 4...

这是产生gap最大值的聚类数量（在表的第4行）。

maxSE(...)的参数分别是gap和SE.sim：

with(gs.pam.RU,maxSE(Tab[,"gap"],Tab[,"SE.sim"]))# [1] 4

有时绘制gap图是很有用的，可以看到聚类选项的区分度如何：

plot(gs.pam.RU)gap.range <- range(gs.pam.RU$Tab[,"gap"])lines(rep(which.max(gs.pam.RU$Tab[,"gap"]),2),gap.range, col="blue", lty=2)