聚類分析算法分析一、非相似矩陣計算1.加載數(shù)據(jù)數(shù)據(jù)(iris)str(iris)分類分析是沒有指導的分類，因此從數(shù)據(jù)中刪除原始分類變量。iris $ Species-空2.非相似矩陣計算不相似的矩陣計算，即距離矩陣計算，r中的dist()函數(shù)或cluster包中的daisy()函數(shù)。Dist()函數(shù)的基本形式如下Dist (x，method= euclidean ，diag=false，upper=false，p=2)其中x是數(shù)據(jù)框(數(shù)據(jù)集)，方法是歐式距離“euclidean”，最大距離“maximum”，絕對值距離“manhattan”，“canberra”，二進制距離不對稱“binary”默認值是計算歐式距離，并且所有屬性必須是相同類型。例如，連續(xù)類型或兩種值類型。Dd-dist(iris)Str(dd)距離矩陣可以使用as.matrix()函數(shù)變形矩陣形狀，以便于顯示。iris數(shù)據(jù)150例樣本之間的距離矩陣150矩陣。下面是示例1到5之間的歐洲距離。Dd-as.matrix(dd)其次，使用hclust()進行血統(tǒng)群集(層次群集)1.群集函數(shù)r中包含的群集函數(shù)為hclust()，是血統(tǒng)群集方法?；竞瘮?shù)命令如下結(jié)果對象-hclust(距離對象，method=方法)Hclust()可用的類之間距離計算方法包括偏差法“ward”、最短距離法“single”、最大距離法“complete”、平均距離法“average”、“mcquitty”下面使用平均距離方法進行群集。Hc-hclust (dist (iris)，method= ave )2.群集函數(shù)的結(jié)果群集結(jié)果對象包含許多群集分析的結(jié)果，可以使用數(shù)據(jù)組件的方法列出相應的計算結(jié)果。Str(hc)下列出了群集結(jié)果對象hc中包含的merge和height結(jié)果值的前六個值。行號表示群集進程的階段，X1、X2表示在該階段組合的兩個類。其中負數(shù)表示原始示例序列號，正數(shù)表示新創(chuàng)建的類。Height變量表示合并時兩個類之間的距離。例如，步驟1合并示例102和143。示例之間的距離為0.0，合并的類使用該步驟的步長編號顯示。也就是說，樣例-102和-143合并為一個類。行6表示類之間的距離為0.1，合并的類稱為6類的示例11和49的合并。Head (hc$merge，hc$height)群集結(jié)果對象HC中包含的merge和height結(jié)果值的步驟50到55的結(jié)果，如下所示。步驟50的結(jié)果表明示例43與13類(即步驟13的群集聯(lián)合結(jié)果)合并。所有類編號負j表示原始數(shù)據(jù)的示例編號，正I表示在群集過程的第I階段形成的新類。步驟54將在群集過程的步驟7和37中形成的類合并到新類中，新類成為54類，類之間的距離為0.2641715。Data.frame (HC $ merge，HC $ height) 503369053.繪制群集圖群集完成后，可以使用plot()繪制群集的樹圖。Plot (HC，hang=-1，labels=iris $ species)4.指定分類和類中心群集觀察樹可以發(fā)現(xiàn)，數(shù)據(jù)示例很多，圖形變得復雜，確定合理的分類不容易，為了簡化圖形，可以使用cutree()檢查初始分類結(jié)果，先確定每個樣本原始分類的類數(shù)，然后使用hclust()重新聚類，最后得到最終分類結(jié)果。Memb-cutree(hc，k=10) #確定10個分類Table(memb) #不同類型的示例數(shù)要重新聚集，必須計算每個類中心的類中心，如下所示：其中，每種類型的平均矢量表示每個類的中心。Cent-NULLFor (k in 1333610)、Cent-rbind (cent，colmeans (iris sample memb=k，drop=false)如果有各種類中心，請再次使用hclust()函數(shù)從類10開始重新啟動群集。Hclust()函數(shù)現(xiàn)在需要指定各種類中心，并使用中心方法進行群集。Hc1-hclust (dist，method= centroid ，members=table (memb)Plot(hc1)Hc1重新群集的樹非常簡單。在樹形圖中決定三個類別更合適。4.輸出最終分類結(jié)果使用Cutree()確定輸出每個示例的最終分類。Memb-cutree(hc，k=3 #)確定三個分類Table(memb) #不同類型的示例數(shù)以下是聚類結(jié)果與原始分類的比較結(jié)果，表明聚類結(jié)果良好。錯誤率約為14/150=9.33%。5.直接數(shù)據(jù)距離陣列群集您可以直接輸入距離矩陣，然后使用as.dist()函數(shù)將它轉(zhuǎn)換為可以在hclust()中使用的距離數(shù)組對象，最后使用hclust()執(zhí)行群集分析。X-read.table(text=Id BA FI MI VO RM TOBA 0 662 877 255 412 996Fi 6620 295 468 268 268 400美國877 295 0 754 564 138VO 255 468 754 0 219 869RM 412 268 564 219 0 669TO 996 400 138 869 669 0 ，header=T)Rs(x)-x$idX$id-NULLx轉(zhuǎn)換為距離陣列。X-as.dist(x)Hc -hclust(x)顯示群集進程。Data.frame(hc$merge，hc$height)繪制群集圖。Plot(hc2)在聚類圖中，聚合為兩類更為合適。Cutree(hc2，2)所以BA、VO、RM聚集到一類，TO、FI、MI聚集到另一類。四、使用集群包進行集群分析1.距離矩陣計算除了可以使用Dist()函數(shù)外，還可以使用daisy()函數(shù)，這樣在加載cluster包后可以使用更多的數(shù)據(jù)類型。如果原始數(shù)據(jù)表包含混合數(shù)據(jù)(即屬性變量連續(xù)且分類)，則dist()計算不完美，使用daisy()函數(shù)不會有任何問題。Daisy()要求加載cluster包。第一次使用時也必須安裝。Install.packages (cluster ，repos= HTT/25/rpkg)庫(群集)雛菊()函數(shù)可以采用以下形式使用：包含歐式距離“euclidean”、絕對值距離和“manhattan”、“gower”的daisy()。Dd2-菊花(iris)Dd2-as.matrix(dd1)2.使用agens()群集Cluster軟件包提供了兩種由下而上的a bottom-up配置的分層群集方法。數(shù)據(jù)示例首先由每個數(shù)據(jù)示例組成，然后通過合并方法的群集過程成為包含所有示例的大類。Agnes()函數(shù)將此功能稱為合并層群集。Diana()會使用相反的a top-down，先將所有樣本視為一個類別，然后透過類別分割程序，最后將樣本分割為個別的范例類別。這稱為分割方法。Agens()函數(shù)的形式如下Agnes(x，diss=true | false，metric= euclidean ，stand=false | true，Method= average ，par.method，keep.diss=n 100，keep.data=！Diss)其中diss指定x對象是否為非歷史矩陣對象。與hclust()函數(shù)不同，Agnes()可以同時使用原始數(shù)據(jù)和距離數(shù)組。Stand需要標準化數(shù)據(jù)，而類之間距離的計算方法包括“平均值”平均方法、UPGMA、single最短距離方法、complete最大距離方法、ward“偏差”方法、weighted平均距離方法和“weighted”指定是否在Keep.diss和keep.data結(jié)果中保留非歷史矩陣和數(shù)據(jù)。保留這些結(jié)果需要更多內(nèi)存。Ag-Agnes (iris，diss=f，metric= euclidean ，stand=f，method= single )Data.frame (ag $ merge，ag $ h