在著名的虹膜数据集上应用图聚类算法

如何解决在著名的虹膜数据集上应用图聚类算法

我的问题涉及图聚类算法的应用。大多数时候，我看到图形是通过使用数据中的节点和边来制作的。例如，假设我们有社交媒体数据：数据中的每个人都可以表示为一个节点，而人与人之间的关系则可以表示为边。利用这些信息，我们可以构建一个图，然后对该图执行图聚类算法（例如Louvain聚类）。

有时，也可以使用点之间的距离绘制图表。点之间的距离可以认为是边。例如，在光谱聚类算法中，根据数据创建一个KNN（k最近邻）图，然后对该图执行K-Means聚类算法。

我的问题是：假设我们采用著名的Iris数据并删除响应变量（“ Species”）。创建该虹膜数据的图形是否有意义，在该图形中，每个节点对应于一朵单独的花，并且边缘对应于每个点之间的成对欧几里得距离？假设这是一种逻辑正确的方法，那么可以对这个虹膜图执行图聚类算法吗？

下面，我尝试首先使用成对的欧几里得距离（以R为单位）创建虹膜数据的图形。然后，在结果图上执行Louvain聚类和Infomap聚类。之后，我尝试创建一个虹膜数据的KNN图，并对该KNN图执行MST（最小生成树）聚类，并执行Louvain聚类。

有人可以对我所做的事情发表意见吗？这是直观的，在数学上有意义吗？作为“作弊”的一种方式-虹膜数据只有3种。因此，如果给定的聚类算法返回的聚类明显多于3个，则我们知道图形和/或聚类算法可能不是最佳选择。但是，在实际应用程序中，我们无法知道数据中存在多少个“真实”类。

 library(igraph)
    library(network)
    library(reshape2)
    library(mstknnclust)
    library(visNetwork)
    library(cluster)
    
    
    /****louvain clustering done on a distance based graph - maybe this is correct****/
    x <- iris[,1:4]
    
    
    dist <- daisy(x,metric = "euclidean"
                       
                        )
    
    d_mat <- as.matrix(dist)
    
     d_long <- melt(d_mat)
    colnames(d_long) <- c("from","to","correlation")
    d_mat_long <- d_long[which(d_long$correlation > .5),]
    graph <- graph_from_data_frame(d_mat_long,directed = FALSE)
    
    
     nodes <- as_data_frame(graph,what = "vertices")
    
     colnames(nodes) <- "id"
    nodes$label <- nodes$id
     links <- as_data_frame(graph,what = "edges")
    
    visNetwork(nodes,links) %>%   visIgraphLayout(layout = "layout_with_fr")
     cluster <- cluster_louvain(graph)
    
    nodes$cluster <- cluster$membership
    
    nodes$color <- ifelse(nodes$cluster == 1,"red","blue")
    
     visNetwork(nodes,links) %>%   visIgraphLayout(layout = "layout_with_fr") %>%   visOptions(selectedBy = "cluster") %>%   visNodes(color = "color")
    
    
    
    
    /***infomap and louvain clustering done a distance based graph but with a different algorithm: I think this is wrong***/
    
    imc <- cluster_infomap(graph)
    membership(imc)
    communities(imc)
    plot(imc,graph)
    
    lc <- cluster_louvain(graph,weights = NULL)
    membership(lc)
    communities(lc)
    plot(lc,graph)
    
    /****mst spanning algorithm on the knn graph : based on the number of clusters I think this is wrong****/
    
    cg <- generate.complete.graph(1:nrow(x),d_mat)
    
    ##Generates kNN graph
    knn <- generate.knn(cg)
    
    plot(knn$knn.graph,main=paste("kNN \n k=",knn$k,sep=""))
    
    results <- mst.knn(d_mat)
    
    igraph::V(results$network)$label.cex <- seq(0.6,0.6,length.out=2)
    
    plot(results$network,vertex.size=8,vertex.color=igraph::clusters(results$network)$membership,layout=igraph::layout.fruchterman.reingold(results$network,niter=10000),main=paste("MST-kNN \n Clustering solution \n Number of clusters=",results$cnumber,sep="" ))
    
    /*****louvain clustering and infomap done on the knn graph - maybe this is correct****/
    
    #louvain
    lc <- cluster_louvain(knn$knn.graph,knn$knn.graph)
    
    imc <- cluster_infomap(knn$knn.graph)
    membership(imc)
    communities(imc)
    plot(imc,knn$knn.graph)

解决方法

“在基于距离的图形上完成卢旺达聚类-也许这是正确的”

并非如此，在绘制诸如居中性之类的图形时，会使用距离。如果您的兴趣是相似度，则将距离转换为相似度。