kのための 'nstart'を決めるにはrの意味ですか？

Question

次のシミュレーションデータについて検討してください。

x1 <- c(rnorm(500000,5),rnorm(500000),rnorm(500000,5),rnorm(500000,15)) 
y1 <- c(rnorm(500000,5),rnorm(500000),rnorm(500000,15),rnorm(500000,5)) 
label <- rep(c("c1","c2","c3","c4"), each = 500000) 

dset = data.frame(x1,y1,label) 
with(dset,plot(x1,y1,col = label)) 

したがって、4つのクラスタがあり、私はアルゴリズムを意味します。一般に、20 - 25 'nstart'を使用することが適切であると言われています。しかし、大きなサンプルにどのように影響しますか？ここで私のサンプルサイズは200万です。だから、大きなサンプルのために 'nstart'を決める方法はありますか？

ここに私が提訴したコードです。私はコードにいくつかの並列処理を使用したいので、4つのコアを使用して作業を完了できるようにします。

parLapply(cl, c(25,25,25,25), fun=kmeans(x=dset[,c(1,2), centers=4, nstart=i)) 

Answer 1

n_startは必ずしもサンプル数に依存しません。

を実行すると、k-meansで得られる最良のクラスタリングを確実に見つけることができます。

他のデータセットでは、k-meansがデータに対してまったく機能しないため、どれも良いとは限りません。

私はむしろ次のようにしています：k-を実行することは、何回かを意味します。非常に似通った結果が得られた場合は、より良い結果が得られなくなったら最高のものを使用してください。結果が非常に異なる場合は、k-meansが機能せず、停止して他のことを行うことができます。