K-手段和马氏距离

Question

我想使用的马氏距离K-means算法，因为我有4个变量是高度相关的（0.85）

在我看来，它是更好地使用在这种情况下马哈拉诺比斯距离。

问题是我不知道如何使用K-means算法在R中实现它。

我认为我需要“假”它在转换数据之前的聚类步骤，但我不知道如何。

我尝试了传统的kmeans，与标准化数据上的欧式距离，但正如我所说的，存在太多的相关性。

适合< - k均值（mydata.standardize，4）

我也试图找到一个距离参数，但我认为它不会在k均值存在（）函数。

预期结果是一种应用K-means算法和Mahalanobis距离的方法。

Answer 1

可以使用方差矩阵的Cholesky分解运行算法， 之前重新调整数据：变换后 的 欧几里得距离是前的马哈拉诺比斯距离。

# Sample data 
n <- 100 
k <- 5 
x <- matrix(rnorm(k*n), nr=n, nc=k) 
x[,1:2] <- x[,1:2] %*% matrix(c(.9,1,1,.9), 2, 2) 
var(x) 

# Rescale the data 
C <- chol(var(x)) 
y <- x %*% solve(C) 
var(y) # The identity matrix 

kmeans(y, 4) 

但是，这假定所有的簇具有与整个数据相同的形状和方向。 如果不是这种情况，您可能需要查看明确允许使用椭圆簇的模型，例如mclust包中的 。