在K表示使用R进行聚类之后，检索最接近每个聚类质心的100个样本

如何解决在K表示使用R进行聚类之后，检索最接近每个聚类质心的100个样本

我正在尝试通过首先在R中执行K-均值聚类，然后每个代表性簇采样50-100个样本用于下游分类和特征选择来减小输入数据的大小。

原始数据集被拆分为80/20，然后80％进行了K均值训练。我知道输入数据有2列标签和110列数字变量。从标签栏，我知道有7种不同的药物治疗方法。同时，我测试了弯头方法，以找到簇数的最佳K，大约为8。因此，我选择了10，以便有更多数据簇可供下游采样。

现在我已经完成了模型

然后对于10个质心，我如何找出标签是什么？我不能只是做

training_set$centroids <- model$centroids

最重要的问题是，如何在每个簇中找到与各自质心接近的100个样本？我在python中看到过一篇文章，但还没有R资源。 Output 50 samples closest to each cluster center using scikit-learn.k-means library 有指针吗？

解决方法

首先，我们需要一个可复制的数据示例：

set.seed(42)
x <- matrix(runif(150),50,3)
kmeans.x <- kmeans(x,10)

现在，您想在原始数据x中找到最接近于计算并存储为kmeans.x的质心的观测值。我们在软件包get.knnx()中使用FNN函数。我们将只获取10个聚类中的每个5个最接近的观测值。

library(FNN)
y <- get.knnx(x,kmeans.x$centers,5)
str(y)
# List of 2
#  $ nn.index: int [1:10,1:5] 42 40 50 22 39 47 11 7 8 16 ...
#  $ nn.dist : num [1:10,1:5] 0.1237 0.0669 0.1316 0.1194 0.1253 ...
y$nn.index[1,]
# [1] 42 38  3 22 43
idx1 <- sort(y$nn.index[1,])
cbind(idx1,x[idx1,])
#      idx1                          
# [1,]    3 0.28614 0.3984854 0.21657
# [2,]   22 0.13871 0.1404791 0.41064
# [3,]   38 0.20766 0.0899805 0.11372
# [4,]   42 0.43577 0.0002389 0.08026
# [5,]   43 0.03743 0.2085700 0.46407

最近的邻居的行索引存储在nn.index中，因此对于第一个聚类，5个最近的观测值分别为42、38、3、22、43。