kmeans聚类中的坑 基于R shiny 可交互的展示

龙君蛋君

2015年5月24日

1.背景介绍

最近公司在用R 建模，老板要求用shiny 展示结果，建模的过程中用到诸如kmean聚类，时间序列分析等方法。由于之前看过一篇讨论kmenas聚类针对某一特定数据类型，聚类结果非常不靠谱的文章，于是这个周末突发奇想，用shiny可交互的展示kmeans聚类中的坑。。。这篇博文就当是记录学习shiny和加深对kmeans、层次聚类的理解吧。

2.知识引用与学习

1）大数据分析之——k-means聚类中的坑

2）Shiny Gallery-This gallery contains useful examples to learn from

3）Shiny的架构浅析

3.代码与图形展示

一个完整的shiny app 包含两个.R文件，ui.R和server.R。园主大人的这篇文章Shiny的架构浅析解释的很详细，可帮助理解shiny。

part 1 : ui.R

library(shiny)
library(dplyr)
library(broom)
shinyUI(
    pageWithSidebar(
    #  Application title
    headerPanel("kmeans VS hclust"),
    sidebarPanel(
        numericInput('n', 'Number of obs', 500 ,min=200 ,max=1000),
        selectInput("type", "Select a clust approach:",c("kmeans","hclust"),"kmeans")

    ),
    mainPanel(plotOutput("plot"))
  )
)

　part 2 : server.R

library(shiny)
library(dplyr)
library(broom)
shinyServer(function(input, output,session) {
    #----data 1 for kmeans clust----
    set.seed(500)
    selectedData <- reactive({

        rbind(
            data_frame(x = rnorm(input$n), y = rnorm(input$n)),
            data_frame(r = rnorm(input$n, 5, .25), theta = runif(input$n, 0, 2 * pi),
                                    x = r * cos(theta), y = r * sin(theta)) %>%
                             dplyr::select(x, y)
            )
    })
       #----data2  for hclust use----
    selectedData_clust <- reactive({
        cbind(selectedData(),hclust_assignments=selectedData() %>%

                     dist() %>% hclust(method = "single") %>%

                     cutree(2) %>% factor()%>%as.data.frame()
             )
    })

      #-----plot-----
        output$plot <- renderPlot({

            switch(input$type,
                   "kmeans" =( plot(selectedData(),
                                   col = kmeans(selectedData(),2)$cluster,
                                   pch = 20, cex = 1)
                             ), 

                   "hclust" = (plot(selectedData_clust()[,1:2],
                            col = selectedData_clust()[,3],
                            pch = 20, cex = 1)
                              )
                   )
                                 })
      #----end---
      })

先解释下，用k-means进行聚类，常常假定数据是球状的，code中生成的数据集是非球状的，以便证明kmeans针对这种非球状数据集，会给出坑爹的结果。参考大数据分析之——k-means聚类中的坑。

part 3 ：看图，也就是shiny的展示。

图1－kmeans聚类：

图2－hclust聚类(Hierarchical Clustering)：

明显这种数据集，用层次聚类得出的结果才是正确的。

4.总结

1）要勤写博客，不能太懒！

2）Shiny Gallery-This gallery contains useful examples to learn from 这里有很多shiny 的例子，学习shiny的绝佳之地。

3）再推荐一个博客，r-bloggers 最前沿的R资讯分享，hadley都在上面写文章的哦！

4）Rstudio 真是个伟大的公司，开发了那么多好用，好玩的东西。

以上。