R Studio中基于kmeans聚类的Rand指数计算方法问询

首先得明确一个核心点：Rand指数是用来衡量两个不同聚类分区之间的相似性的，所以你必须有两个独立的分区结果才能计算它——单独一个kmeans的聚类结果是没法直接算出Rand指数的哦。下面一步步给你拆解操作：

1. 提取kmeans的聚类分区向量（part1） #

当你用kmeans对x完成聚类后，聚类结果对象里的$cluster元素就是你要的分区向量。给你个具体的代码示例：

# 先把kmeans聚类结果存下来（如果还没存的话）
km_result <- kmeans(x, centers = 3)
# 提取kmeans的分区向量part1
part1 <- km_result$cluster

这个part1是长度为3720的向量，每个元素对应x中样本的聚类标签（取值为1、2、3）。

2. 获取第二个对比分区向量（part2） #

你需要另一个分区来和kmeans的结果做对比，常见有两种场景：

• 场景一：有真实分类标签
  如果你的total_data里自带真实的类别列（比如叫True_Category），直接把这个列作为part2即可：

part2 <- total_data$True_Category

• 场景二：没有真实标签，用另一种聚类方法生成
  比如用层次聚类生成第二个3类分区：

# 计算样本间距离（这里用欧式距离，你也可以换其他方法）
dist_matrix <- dist(x, method = "euclidean")
# 执行层次聚类
hc_result <- hclust(dist_matrix, method = "ward.D2")
# 切割成3类，得到part2
part2 <- cutree(hc_result, k = 3)

3. 计算Rand指数 #

首先要确保你安装并加载了包含extCriteria函数的包（这个函数一般来自clValid包）：

# 第一次使用先安装包
install.packages("clValid")
# 加载包
library(clValid)
# 指定计算Rand指数，crit参数设为"rand"
rand_index <- extCriteria(part1, part2, crit = "rand")
# 查看计算结果
print(rand_index)

得到的Rand指数值范围在0到1之间，越接近1说明两个分区的一致性越高。

重要提示 #

Rand指数的本质是对比两个分区的匹配程度，所以必须要有两个独立的聚类结果，或者一个聚类结果加真实标签，单独一个kmeans的聚类结果是无法计算Rand指数的哦。

内容的提问来源于stack exchange，提问作者Gnturu Padmavathi