基于Pearson相关的R语言k-means聚类（ClusterR）实现求助

问题诊断 #

你的代码存在三个核心问题：

1. 算法选择错误：Clara_Medoids是CLARA中心点聚类算法，并非K-Means，且确实不支持指定迭代次数；
2. 参数设置矛盾：samples = entire_sample（用全量数据做采样）和sample_size = 1（采样大小为1）完全违背CLARA的采样逻辑，导致算法无法正常生成聚类结果；
3. 语法错误：最后赋值语句用反引号包裹，属于无效语法，无法将聚类标签写入原数据集。

修正后的代码 #

使用ClusterR包中的KMeans_rcpp函数，它支持基于Pearson相关的距离度量，且可以指定初始化/迭代次数：

library(ClusterR)
library(dplyr)

# 加载数据（假设Coefficients已存在）
# 保留Panelist列用于后续匹配，仅用系数列做聚类
cluster_data <- Coefficients %>% select(Coeff1, Coeff2, Coeff3, Coeff4)

# 运行基于Pearson相关的K-Means聚类，指定2类、20次初始化迭代
kmeans_result <- KMeans_rcpp(
  data = cluster_data,
  clusters = 2,
  num_init = 20,  # 指定20次初始化迭代
  distance_metric = "pearson_correlation",
  verbose = FALSE,
  seed = 1
)

# 将聚类标签合并到原数据集
Coefficients$clusterID <- kmeans_result$clusters

# 保存结果
write.csv(Coefficients, "path/to/results.csv")

关键说明 #

• 算法适配：KMeans_rcpp是ClusterR中专门实现K-Means的函数，支持pearson_correlation作为距离度量，完全匹配Systat中基于Pearson相关的K-Means需求；
• 迭代次数控制：num_init参数控制K-Means的初始化次数（每次初始化对应一轮完整的迭代收敛过程），设置为20即可满足你的需求；
• 数据处理：用dplyr::select更简洁地提取聚类用的系数列，避免重复赋值；
• 语法修正：直接通过kmeans_result$clusters提取聚类标签，无需反引号包裹赋值语句。

内容的提问来源于stack exchange，提问作者Stef