机器算法验证 - 如何解释 R 中的 clusplot - 吾爱随笔录

clusplot我已经使用包中的绘制了（分区对象的）二元聚类图cluster。以下是此代码：

k.means.fit <- kmeans(pima_diabetes_kmean[, c(input$first_model, input$second_model)], 2)
  output$kmeanPlot <- renderPlot({
    # K-Means
    clusplot(
      pima_diabetes_kmean[, c(input$first_model, input$second_model)],
      k.means.fit$cluster,
      main = '2D representation of the Cluster solution',
      color = TRUE,
      shade = TRUE,
      labels = 5,
      lines = 0
    )
  })

该图在 x 轴上显示组件 1，在 y 轴上显示组件 2。附下图。组件 1 是指怀孕，组件 2 是指葡萄糖，很像简单的点图吗？我对此感到困惑。

此外，它说这两个组件解释了 100% 的点可变性，这到底是什么意思？

此外，为什么聚类图中的绿点与点图中的红/黑点不同，尽管两者都绘制相同的数据？以下是绘制点的代码：

plot(
      pima_diabetes_kmean[, c(input$first_model, input$second_model)],
      col = alpha(k.means.fit$cluster, 0.2),
      pch = 20,
      cex = 3
    )
points(
  k.means.fit$centers,
  pch = 4,
  cex = 4,
  lwd = 4,
  col = "blue"
)

x <- mvrnorm(200, c(-2,2), diag(2)) y <- mvrnorm(200, c(2,-2), diag(2)) tot <- rbind(x,y) par(mfrow = c(2,2)) ## Original plot(x, ylim = c(-5,5), xlim = c(-5,5), col = 'green', main = 'Original Data') points(y, col = 'red') ## Cusplot kmean.fit <- kmeans(tot, 2) clusplot(tot, kmean.fit$cluster, main = 'Cusplot') ## PCA plot pca.tot <- princomp(tot) plot(tot[1:200,] %*% pca.tot$loading, ylim = c(-3,3), xlim = c(-6,6), col = 'red', main = 'PCA') points(tot[201:400, ]%*% pca.tot$loading ,col = 'green')