Data Science with R in 4 Weeks - Week 2 - Day4

Kmean cluster analysis

基本思想和hierarchical 类似，但是，Kmean需要首先知道有几个分组，然后再对数据进行分析。所以，通常的做法是，县也难怪hierarchical cluster来直观的判断下可能存在几种cluster的方案，然后用kmean对各个方案再进行cluster analysis。

使用以前的例子，产生一组数据

> set.seed(1234)

> par(mar = c(0,0,0,0))

> x <- rnorm(12, mean=rep(1:3, each=4), sd=0.2)

> y <- rnorm(12, mean=rep(c(1,2,1), each=4), sd=0.2)

> plot(x, y, col="blue", pch=19, cex=2)

> text(x+0.05, y+0.05, labels = as.character(1:12))

观察数据，我们能看出来，大致存在三个cluster。

现在，采用Kmean的方法进行分组

kcluster = kmeans(dataframe, 3)

> plot(dataframe, col=kcluster$cluster)

> points(kcluster$centers, col = 1:2, pch = 8)

然后，我们发现，实际上是这样cluster的。

采用上一节汽车的数据，我们在做一次cluster analysis

cars = read.delim(file = "http://www.stat.berkeley.edu/~s133/data/cars.tab",stringsAsFactors=FALSE)

> cars.use =  cars[, -c(1,2)]

> medians = apply(cars.use, 2, median)

> mads = apply(cars.use, 2, mad)

> cars.use = scale(cars.use, center = medians, scale = mads)

> cars.kcluster = kmeans(cars.use, 3)

> cars.kcluster

和最初用hierarchical analysis做出的结果有点不一样。

library("clsuter")

> clusplot(cars.use,cars.kcluster$cluster, color=TRUE, shade=TRUE, labels=2, line=0)