R単変量グループ別クラスタリング

Question

単変量データをグループ化する方法をグループごとに見つけようとしています。たとえば、以下のデータでは、2つの障害コード（aとb）と各グループごとに6つのデータポイントがあります。プロットでは、各障害コードに対して、障害時に2つの異なるクラスターが存在することがわかります。手動でこれは悪くないですが、私は大きなデータセット（〜100K行と〜30コード）でこれを行う方法を理解できません。私は最終的な結果が私に各クラスターのメドイドとそのクラスター内のコード数を与えることを望みます。

library(ggplot2) 
failure <- rep(c("a","b"),each=6) 
ttf <- c(1,1.5,2,5,5.5,6,8,8.5,9,14,14.5,15) 
data <- data.frame(failure,ttf) 
qplot(failure, ttf) 
results <- data.frame(failure = c("a","b"), m1 = c(1.5,8.5), m2 = c(5.5,14.5)) 

私は私に、以下の表のようなものを与えるために最終的な結果のためにしたいと思います。

failure m1 m1count m2 m2count 
a  1.5 3  5.5 3 
b  8.5 3  14.5 3 

Answer 1

これはあなたが、それはすべての障害グループに適用されますtapplyでそれを変更することができますが、障害グループごとに2つだけのクラスタを想定し、あなたがやりたいだろう。

res2 <- tapply(data$ttf, INDEX = data$failure, function(x) kmeans(x,2))  
res3 <- lapply(names(res2), function(x) data.frame(failure=x, Centers=res2[[x]]$centers, Size=res2[[x]]$size))  
res3 <- do.call(rbind, res3) 

res3 
    failure Centers Size 
1  a  5.5 3 
2  a  1.5 3 
11  b 14.5 3 
21  b  8.5 3