R语言学习笔记：判别分析和聚类分析
1.判别分析：根据已知分类建立判别方法
距离判别法：
计算距离：dist()
dist(x, method = "euclidean", diag = FALSE, upper = FALSE, p = 2)x表示数据矩阵；method用于指定计算方法，默认“euclidean”为欧氏距离，“manhattan”绝对值距离，“maximum”切比雪夫距离，“minkowski”闵可夫斯基距离，“canberra”兰氏距离，“binary”定性样本的距离；diag为TRUE，输出距离矩阵的对角线；upper为TRUE，输出距离矩阵的上三角部分。
马氏距离：mahalanobis()
mahalanobis(x, center, cov, inverted = FALSE,...)x是样本数据的向量或矩阵；center是分布的均值；cov是分布的协方差矩阵，通常用样本值做估计；inverted是逻辑值，若为TRUE则cov应包含协方差矩阵的逆。
距离判别分析：wmd()：WMDB包，自动计算马氏距离判别分析
wmd(TrnX, TrnG, Tweight = NULL, TstX = NULL, var.equal = F)TrnX是训练样本的矩阵或数据框；TrnG用于表示已知的训练样本的分类，必须为因子向量；Tweight指定权重；TstX是待测数据的矩阵或数据框，默认为NULL，对训练样本进行判别分析；var.equal指定总体是否具有相等的协方差阵，默认为FALSE
Fisher判别法
lda()：MASS包，最常用的判别分析
lda(formula, data, ..., subset, na.action)formula是形如groups~x1+x2的公式，左侧表示分组（因子），右侧指定指标变量（非因子）；data指定数据集；subset是索引向量，指定训练样本；na.action指定对缺失值的处理方式；
lda(x, grouping, ..., subset, na.action)x是包含解释变量的矩阵或数据框；grouping是一个因子向量，指定每个观察值的类别
使用lda进行判别模型的建立，然后使用predict()对新数据进行分类。
可以对训练样本进行判别，然后用卡房检验chisq.test(class,class.pre)对准确度进行检验
贝叶斯判别法
dbayes()：WMDB包
dbayes(TrnX, TrnG, p = rep(1, length(levels(TrnG))), TstX = NULL, var.equal = FALSE)用法类似于wmd()；TrnX是训练样本的矩阵或数据框；TrnG用于表示已知的训练样本的分类，必须为因子向量；p是指定先验概率的向量；TstX是待测数据的矩阵或数据框，默认为NULL，对训练样本进行判别分析；var.equal指定总体是否具有相等的协方差阵，默认为FALSE
2.聚类分析
分层聚类
hclust()
hclust(d, method = "complete", members = NULL)d是dist()返回的距离对象；method指定系统聚类的方法，默认是complete，最长距离法，“ward”离差平方和法，“single”最短距离法，“median”中间距离法；members默认为NULL，或与d长度相等的向量。
可以使用plot()或plclust()绘制谱系图
plot(x, labels = NULL, hang = 0.1, axes = TRUE, frame.plot = FALSE, ann = TRUE,...)x是分层聚类的对象；labels表示是否显示标签；hang表示谱系图中各类别所在的位置，hang为负时，将从底部开始绘制谱系图的类。
可以使用cutree()将数据分类
K均值聚类
kmeans()
kmeans(x, centers, iter.max = 10, nstart = 1, algorithm = c("Hartigan-Wong", "Lloyd", "Forgy", "Macqueen"))x是待研究的数据矩阵；centers是指定分类个数的数值或指定聚类中心的初值；centers指定了聚类个数则nstart表示选取的随机集个数；iter.max是最大迭代数，默认为10；algorithm表示具体的算法，默认为“Hartigan-Wong”
可用sort(KM$culster)对分类情况排序