聚類分析算法解析

......聚類分析算法解析一、不相似矩陣計算.加載數(shù)據(jù)data(iris)str(iris)分類分析是無指導(dǎo)的分類，所以刪除數(shù)據(jù)中的原分類變量。iris$Species<-NULL2.不相似矩陣計算dist(x,method="euclidean",diag=FALSE,upper=FALSE,p=2)其中x是數(shù)據(jù)框(數(shù)據(jù)集)，而方法可以指定為歐式距離"euclidean",最大距離"maximum",絕對值距離"manhattan","canberra",二進(jìn)制距離非對稱"binary"和明氏距dd<-dist(iris)strdd)距離矩陣可以使用as.matrix()函數(shù)轉(zhuǎn)化了矩陣的形式，方便顯示。Iris數(shù)據(jù)共150dd<-as.matrix(dd).......二、用hclust()進(jìn)行譜系聚類法(層次聚類).聚類函數(shù)R聚類函數(shù)是hclust()，為譜系聚類法?；镜暮瘮?shù)指令是hclust()可以使用的類間距離計算方法包含離差法"ward"，最短距離法"single"，最大距離法"complete"，平均距離法"average"，"mcquitty"，中位數(shù)法"median"和重心法"centroid"。下面采用平均距離法聚類。hc<-hclust(dist(iris),method="ave")2.聚類函數(shù)的結(jié)果聚類結(jié)果對象包含很多聚類分析的結(jié)果，可以使用數(shù)據(jù)分量的方法列出相應(yīng)的計算結(jié)strhc)類過程的步驟，X1，X2表示在該步合并的兩類，該編號為負(fù)代表原始的樣本序號，編號為head(hc$merge,hc$height).......data.frame(hc$merge,hc$height)[50:55]3.繪制聚類圖plot(hc,hang=-1,labels=iris$Species)4.指定分類和類中心聚類.......不容易確定合理的分類，為簡化圖形，使用cutree()來確定最初的分類結(jié)果，先初步確定各個樣本的最初分類的類數(shù)后，然后用hclust()再次聚類，重新聚類后，得出最后的分類結(jié)果。membcutreehck10)#確定10個分類table(memb)#各類中的樣本數(shù)，計算程序如下。cent<-NULLfor(kin1:10){cent<-rbind(cent,colMeans(irisSample[memb==k,,drop=FALSE]))}有了各類的類中心后，再次使用hclust()函數(shù)，從10類起重新開始聚類。hclust()函數(shù)這時需要指定各類的類中心，并采用中心法來聚類。hc1<-hclust(dist(cent),method="centroid",members=table(memb))plot(hc1)hc1.......再次聚類的樹形圖就很精簡了。從樹形圖上看，確定為三類是比較合適的。4.輸出最終分類結(jié)果cutree樣本的最后分類。cutreehcktable(memb)#各類中的樣本數(shù)5.直接數(shù)據(jù)距離陣聚類可以直接輸入距離矩陣，然后用as.dist()函數(shù)轉(zhuǎn)為hclust()可以使用的距離陣對象，x<-read.table(text="idBAFIMIVORMTOBA0662877255412996FI6620295468268400.......MIVORMO741262950754564138468754021986926856421906694001388696690",header=T)s(x)<-x$idx$id<-NULLxx<-as.dist(x)hc<-hclust(x)data.frame(hc$merge,hc$height)plot(hc2)從聚類圖可見聚為兩類比較合適。cutree(hc2,2).......1.計算距離矩陣以使用的數(shù)據(jù)類型更多一些。當(dāng)原始數(shù)據(jù)表中包含的數(shù)據(jù)是混合型即屬性變量既有有連續(xù)又yinstall.packages(‘cluster’,repos=’htt//25/rpkg)library(cluster)daisy()函數(shù)的形式和dist()相似，可以采用的距離包含歐式距離"euclidean",絕對值距離和"manhattan","gower"。dd2<-daisy(iris)dd2<-as.matrix(dd1)cluster包提供了兩種層次聚類的方法，一種是abottom-up自底而上，采用先將數(shù)據(jù)樣本先各自看成一類，然后通過合并法的聚類過程，最終形成一個大類，包含全部樣本，agnes()函數(shù)完成這個功能，這個稱為合并層次聚類。而diana()則采用相反的方法，即atop-down自頂而下，先將所有樣本看成一類，然后通過分裂類的過程將樣品最終分為各自樣本類，這個稱為分裂法。agens()函數(shù)的形式是agnes(x,diss=TRUE|FALSE,metric="euclidean",stand=FALSE|TRUE,method="average",par.method,keep.diss=n<100,keep.data=!diss)stand以采用的類間距keep.data指定在結(jié)果中是否保留不相似矩陣和數(shù)據(jù)，保留這些結(jié)果需要更多的存。.......ag<-agnes(iris,diss=F,metric="euclidean",stand=F,method="single")data.frame(ag$merge,ag$height)[50:55,]plot(ag,ask=FALSE,which.plots=NULL).......cutree(ag,k=3)裝載數(shù)據(jù)load'adultuci.rdata')str(AdultUCI)刪除原來的目標(biāo)變量AdultUCI$income<-NULL刪除原始據(jù)中數(shù)據(jù)缺失的數(shù)據(jù)例AdultUCI<-na.omit(AdultUCI)