如何将mclust的聚类结果写入文件？

Question

我使用R的mclust库（http://www.stat.washington.edu/mclust）做一些实验性的基于EM的GMM聚类。该软件包非常棒，似乎通常可以为我的数据找到非常好的群集。

问题是，我根本不知道R，并且尽管我已经设法根据help（）内容和广泛的自述文件来了解群集过程，但是我不能为我的生活弄清楚如何写出实际的集群结果来存档。我正在使用以下荒谬简单的脚本来执行群集，

myData <- read.csv("data.csv", sep=",", header=FALSE) 
attach(myData) 
myBIC <- mclustBIC(myData) 
mySummary <- summary(myBIC, data=myData) 

在哪一点我有群集结果和摘要。 data.csv中的数据只是多维点的列表，每行一个。所以每行看起来像'x，y，z'（在3维的情况下）。

如果我使用2d点（例如只是x和y vals），我可以使用内部绘图函数来获得一个非常漂亮的图形，它根据分配给它的集群绘制每个点的原始点和颜色代码。所以我知道所有的信息都在'myBIC'的某处，但文档和帮助似乎没有提供任何有关如何打印这些数据的见解！

我想根据我认为在myBIC中编码的结果打印出一个新文件。喜欢的东西，

CLUST x, y, z 
1 1.2, 3.4, 5.2 
1 1.2, 3.3, 5.2 
2 5.5, 1.3, 1.3 
3 7.1, 1.2, -1.0 
3 7.2, 1.2, -1.1 

，然后 - 希望 - 也打印出来的参数/个人高斯/集群的集聚过程中发现的重心。

这当然是一种荒谬的一件容易的事，我只是太无知的R弄明白......

编辑：我似乎相处得远一点。执行以下操作打印出一个晦涩的矩阵，

> mySummary$classification 
[1] 1 1 2 1 3 
[6] 1 1 1 3 1 
[12] 1 2 1 3 1 
[18] 1 3 

其反射后，我意识到其实是样品及其分类的列表。我想这是不可能直接通过写命令写这篇文章，但在R控制台更多的实验使我意识到，我可以这样做：

> newData <- mySummary$classification 
> write(newData, file="class.csv") 

和结果实际上看起来相当不错！

$ head class.csv 
"","x" 
"1",1 
"2",2 
"3",2 

其中第一列与输入数据的索引显着匹配，第二列描述分配的类别标识。

'mySummary $ parameters'对象似乎是嵌套的，并且有一堆子对象对应于各个gaussians及其参数等等。当我试图写出它时，'write'函数失败，但是单独写出每个子对象名称有点繁琐。这导致了我一个新的问题：我如何迭代R中的嵌套对象，并以串行方式将元素打印到文件描述符中？

我有这个'mySummary $ parameters'对象。它由几个子对象组成，如'mySummary $ parameters $ variance $ sigma'等。我想只是迭代所有内容并将其全部打印到文件中，方法与自动执行CLI相同。

Answer 1

要计算实际的聚类参数本身（平均值，方差，每个点属于哪个聚类），您需要使用Mclust。 要进行书写，您可以使用（例如）write.csv。

默认情况下Mclust计算基于最优化模型中的参数如BIC确定的，因此，如果这是你想做的事，你可以这样做：

myMclust <- Mclust(myData) 

然后myMclust$BIC将包含所有结果其他型号（即myMclust$BIC或多或少与mclustBIC(myData)相同）。

请参阅Value:部分中的?Mclust以了解myMclust有哪些其他信息。例如，myMclust$parameters$mean是平均对于每个群集，myMclust$parameters$variance方差为每个群集，...

然而myMclust$classification将包含哪个集群的每个点属于，对于最优化的模型计算。

因此，要得到你想要的输出，你可以这样做：

# create some data for example purposes -- you have your read.csv(...) instead. 
myData <- data.frame(x=runif(100),y=runif(100),z=runif(100)) 
# get parameters for most optimal model 
myMclust <- Mclust(myData) 
# if you wanted to do your summary like before: 
mySummary <- summary(myMclust$BIC, data=myData) 

# add a column in myData CLUST with the cluster. 
myData$CLUST <- myMclust$classification 
# now to write it out: 
write.csv(myData[,c("CLUST","x","y","z")], # reorder columns to put CLUST first 
      file="out.csv",     # output filename 
      row.names=FALSE,     # don't save the row numbers 
      quote=FALSE)      # don't surround column names in "" 

了一份关于write.csv - 如果你不把在row.names=FALSE你会在包含您的CSV获得一个额外的列行号。另外，quote=FALSE会将您的列标题设置为CLUST,x,y,z，否则就是"CLUST","x","y","z"。这是你的选择。

假设我们想要做同样的事情，但是使用不是最优的不同模型的参数。但是，Mclust默认情况下仅为最佳模型计算参数。要计算一个特定的模型参数（比如"EEI"），你会怎么做：

myMclust <- Mclust(myData,modelNames="EEI") 

，然后像以前一样继续进行。