使用k-means方法对无线接入点进行聚类

数据可视化和分析当前在电信行业中广泛使用。 特别是，分析高度依赖于地理空间数据的使用。 也许是由于电信网络本身在地理位置上分散。 因此，分析这种分散体可能具有巨大的价值。

资料

为了说明k均值聚类算法，我们将使用纽约的免费公共WiFi地理数据库。 该数据集可在纽约市开放数据处获得。 具体而言，k均值聚类算法用于基于纬度和经度数据形成WiFi使用集群。

使用编程语言R从数据集本身提取纬度和经度数据：

#1. Prepare data newyork<-read.csv("NYC_Free_Public_WiFi_03292017.csv") attach(newyork) newyorkdf<-data.frame(newyork$LAT,newyork$LON) 

这是一条数据：

我们确定簇数

接下来，我们使用下面的代码确定簇的数量，该代码在图形中显示。

 #2. Determine number of clusters wss <- (nrow(newyorkdf)-1)*sum(apply(newyorkdf,2,var)) for (i in 2:20) wss[i] <- sum(kmeans(newyorkdf, centers=i)$withinss) plot(1:20, wss, type="b", xlab="Number of Clusters", ylab="Within groups sum of squares") 

该图显示了曲线如何在11点附近对齐。因此，这是将在k均值模型中使用的簇数。

K均值分析

K-均值的分析如下：

 #3. K-Means Cluster Analysis set.seed(20) fit <- kmeans(newyorkdf, 11) # 11 cluster solution # get cluster means aggregate(newyorkdf,by=list(fit$cluster),FUN=mean) # append cluster assignment newyorkdf <- data.frame(newyorkdf, fit$cluster) newyorkdf newyorkdf$fit.cluster <- as.factor(newyorkdf$fit.cluster) library(ggplot2) ggplot(newyorkdf, aes(x=newyork.LON, y=newyork.LAT, color = newyorkdf$fit.cluster)) + geom_point() 

newyorkdf数据集包含有关纬度，经度和聚类标签的信息：
> newyorkdf
newyork.lat newyork.lon fit.cluster
1 40.75573 -73.94458 1
2 40.75533 -73.94413 1
3 40.75575 -73.94517 1
4 40.75575 -73.94517 1
5 40.75575 -73.94517 1
6 40.75575 -73.94517 1
...
80 40.84832 -73.82075 11

这是一个清晰的例子：



该插图很有用，但是如果将其覆盖在纽约地图上，则其渲染将更有价值。

 # devtools::install_github("zachcp/nycmaps") library(nycmaps) map(database="nyc") #this should also work with ggplot and ggalt nyc <- map_data("nyc") gg <- ggplot() gg <- gg + geom_map( data=nyc, map=nyc, aes(x=long, y=lat, map_id=region)) gg + geom_point(data = newyorkdf, aes(x = newyork.LON, y = newyork.LAT), colour = newyorkdf$fit.cluster, alpha = .5) + ggtitle("New York Public WiFi") 

这种类型的群集为城市中的WiFi网络的结构提供了一个很好的主意。 这表明群集1标记的地理区域显示了大量的WiFi流量。 另一方面，群集6中较少的连接可能表示WiFi流量较低。

仅凭K-Means群集无法告诉我们特定群集的流量为何偏高或偏低。 例如，当群集6的人口密度较高，但互联网速度较低时，连接数将减少。

但是，此聚类算法为进一步分析提供了极好的起点，并有助于收集其他信息。 例如，以该地图为例，您可以建立有关单个地理集群的假设。 原始文章在这里 。