原文链接:http:///?p=22838 本练习问题包括:使用R中的鸢尾花数据集(a)部分:k-means聚类 使用k-means聚类法将数据集聚成2组。 画一个图来显示聚类的情况 使用k-means聚类法将数据集聚成3组。 画一个图来显示聚类的情况 (b)部分:层次聚类 使用全连接法对观察值进行聚类。 使用平均和单连接对观测值进行聚类。 绘制上述聚类方法的树状图。 使用R中的鸢尾花数据集k-means聚类讨论和/或考虑对数据进行标准化。 data.frame( "平均"=apply(iris\[,1:4\], 2, mean "标准差"=apply(iris\[,1:4\], 2, sd) 在这种情况下,我们将标准化数据,因为花瓣的宽度比其他所有的测量值小得多。 使用k-means聚类法将数据集聚成2组使用足够大的nstart,更容易得到对应最小RSS值的模型。 kmean(iris, nstart = 100)
画一个图来显示聚类的情况
# 绘制数据 plot(iris, y = Sepal.Length, x = Sepal.Width) 为了更好地考虑花瓣的长度和宽度,使用PCA首先降低维度会更合适。 # 创建模型
PCA.mod<- PCA(x = iris)
#把预测的组放在最后 PCA$Pred <-Pred
#绘制图表 plot(PC, y = PC1, x = PC2, col = Pred) 为了更好地解释PCA图,考虑到主成分的方差。 ## 看一下主要成分所解释的方差
for (i in 1:nrow) { pca\[\["PC"\]\]\[i\] <- paste("PC", i) } plot(data = pca,x = 主成分, y = 方差比例, group = 1) 数据中80%的方差是由前两个主成分解释的,所以这是一个相当好的数据可视化。 使用k-means聚类法将数据集聚成3组在之前的主成分图中,聚类看起来非常明显,因为实际上我们知道应该有三个组,我们可以执行三个聚类的模型。 kmean(input, centers = 3, nstart = 100) # 制作数据 groupPred %>% print() 画一个图来显示聚类的情况# 绘制数据 plot(萼片长度,萼片宽度, col =pred) PCA图为了更好地考虑花瓣的长度和宽度,使用PCA首先减少维度是比较合适的。 #创建模型 prcomp(x = iris)
#把预测的组放在最后 PCADF$KMeans预测<- Pred
#绘制图表 plot(PCA, y = PC1, x = PC2,col = "预测\\n聚类", caption = "鸢尾花数据的前两个主成分,椭圆代表90%的正常置信度,使用K-means算法对2个类进行预测") + PCA双曲线图萼片长度~萼片宽度图的分离度很合理,为了选择在X、Y上使用哪些变量,我们可以使用双曲线图。 biplot(PCA) 这个双曲线图显示,花瓣长度和萼片宽度可以解释数据中的大部分差异,更合适的图是: plot(iris, col = KM预测) 评估所有可能的组合。 iris %>% pivot_longer() %>% plot(col = KM预测, facet\_grid(name ~ ., scales = 'free\_y', space = 'free_y', ) + 层次聚类使用全连接法对观测值进行聚类。可以使用全连接法对观测值进行聚类(注意对数据进行标准化)。 hclust(dst, method = 'complete')
使用平均和单连接对观察结果进行聚类。 hclust(dst, method = 'average') hclust(dst, method = 'single') 绘制预测图现在模型已经建立,通过指定所需的组数,对树状图切断进行划分。 # 数据 iris$KMeans预测<- groupPred
# 绘制数据 plot(iris,col = KMeans预测)) 绘制上述聚类方法的树状图对树状图着色。 type<- c("平均", "全", "单")
for (hc in models) plot(hc, cex = 0.3)
|