วิธีการสร้างพล็อตสวยของผลลัพธ์ของการวิเคราะห์กลุ่ม k-mean?

ฉันใช้ R เพื่อทำคลัสเตอร์ K-mean ฉันใช้ตัวแปร 14 ตัวในการรันค่า K

• เป็นวิธีที่ดีในการพล็อตผลลัพธ์ของ K-mean คืออะไร?
• มีการใช้งานที่มีอยู่หรือไม่
• การมี 14 ตัวแปรทำให้การวางแผนผลลัพธ์ซับซ้อนหรือไม่?

ฉันพบสิ่งที่เรียกว่า GGcluster ซึ่งดูดี แต่ก็ยังอยู่ในระหว่างการพัฒนา ฉันยังอ่านอะไรบางอย่างเกี่ยวกับการทำแผนที่แบบแซมมอน แต่ไม่เข้าใจดีนัก นี่จะเป็นตัวเลือกที่ดีหรือไม่?

ฉันดันพล็อตภาพเงาสำหรับเรื่องนี้เพราะมันไม่น่าเป็นไปได้ที่คุณจะได้รับข้อมูลที่สามารถดำเนินการได้มากจากการจับคู่เมื่อจำนวนมิติคือ 14

library(cluster)
library(HSAUR)
data(pottery)
km    <- kmeans(pottery,3)
dissE <- daisy(pottery) 
dE2   <- dissE^2
sk2   <- silhouette(km$cl, dE2)
plot(sk2)

วิธีการนี้ได้รับการอ้างถึงอย่างสูงและเป็นที่รู้จักกันดี (ดูคำอธิบายที่นี่ )

Rousseeuw, PJ (1987) เงา: การช่วยเหลือกราฟิกเพื่อการตีความและการตรวจสอบของการวิเคราะห์กลุ่ม เจคอมพิวเตอร์ Appl คณิตศาสตร์. , 20 , 53-65

นี่คือตัวอย่างที่สามารถช่วยคุณได้:

library(cluster)
library(fpc)

data(iris)
dat <- iris[, -5] # without known classification 
# Kmeans clustre analysis
clus <- kmeans(dat, centers=3)

# Fig 01
plotcluster(dat, clus$cluster)

# More complex
clusplot(dat, clus$cluster, color=TRUE, shade=TRUE, 
         labels=2, lines=0)

# Fig 03
with(iris, pairs(dat, col=c(1:3)[clus$cluster])) 

ขึ้นอยู่กับพล็อตหลังคุณสามารถตัดสินใจได้ว่าตัวแปรเริ่มต้นใดของคุณที่จะลงจุด อาจมีตัวแปร 14 ตัวที่มีขนาดใหญ่ดังนั้นคุณสามารถลองวิเคราะห์องค์ประกอบหลัก (PCA) ก่อนแล้วจึงใช้สองหรือสามองค์ประกอบแรกจาก PCA เพื่อทำการวิเคราะห์กลุ่ม

วิธีที่ง่ายที่สุดที่ฉันรู้ที่จะทำคือ:

X <- data.frame(c1=c(0,1,2,4,5,4,6,7),c2=c(0,1,2,3,3,4,5,5))
km <- kmeans(X, center=2)
plot(X,col=km$cluster)
points(km$center,col=1:2,pch=8,cex=1)

ด้วยวิธีนี้คุณสามารถวาดจุดของแต่ละคลัสเตอร์โดยใช้สีและเซนทรอยด์ที่แตกต่างกัน