pvrect r语言 聚类_R语言一条命令实现基于样本和距离的聚类分析

上一篇文章给大家介绍了利用 R语言的 hclust()进行聚类分析的步骤，已经很简单了，但是依然有不少小伙伴来问 “老师，还有更简单的方法吗，最好是一条命令那种”，为了满足的大家的需求，小编也是查了很多资料，终于给大家找到了一个满意的答案，今天就和小编一起来看看 R语言怎么用一行命令来实现聚类分析吧。

加载数据

data(iris)str(iris)

输出

iris$Species

使用agens()聚类

cluster 包提供了两种层次聚类的方法，一种是 bottom-up 自底而上，采用先将数据样本先各自看成一类，然后通过合并法的聚类过程，最终形成一个大类，包含全部样本，agnes()函数完成这个功能，这个称为合并层次聚类。而 diana()则采用相反的方法，即 top-down 自顶而下，先将所有样本看成一类，然后通过分裂类的过程将样品最终分为各自样本类，这个称为分裂法。

agens()函数的形式

agnes(x, diss = TRUE|FALSE, metric = "euclidean", stand = FALSE|TRUE,       method = "average", par.method, keep.diss = n < 100, keep.data = !diss)

其中的 diss指定 x对象是否是不相似矩阵对象，与 hclust()函数不同，agnes() 既可以使用原始数据也可以采用距离矩阵。stand 是是否要对数据进行标准化，可以采用的类间距离计算方法有 “average”平均法， “UPGMA”， “single”最短距离法， “complete”最大距离法， “ward”离差法， “weighted”权重平均距离法和 “flexible”弹性法。 keep.diss和 keep.data指定在结果中是否保留不相似矩阵和数据，保留这些结果需要更多的内存。

一条命令实现聚类分析

直接对原始数据进行聚类，样本间的不相似度度量使用欧式距离 euclidean，类间距离计算使用最短距离法 single。

直接对原始数据进行聚类，样本间的相似度度量使用欧式距离 euclidean，类间距离计算使用最短距离法 single。ag 

输出

• 查看部分聚类过程

data.frame(ag$merge,ag$height)[50:55,]

输出

• 聚类结果可视化

plot(ag, ask = FALSE, which.plots = NULL)

输出

输出

• 输出样本所属的类别

假设聚为3 类，输出每个样本所属的类别。

cutree(ag, k=3)

输出

注：图中开头的[1]里的数字表示，接下来的样本是第几个样本。