r语言如何写入一个excel_R语言如何进行聚类分析?

点击上方“中国统计网” 设置星标哦!

r语言如何写入一个excel_R语言如何进行聚类分析?_第1张图片

01 首先介绍下聚类分析中主要的算法:

  K-均值聚类(K-Means)   十大经典算法

  K-中心点聚类(K-Medoids)

  密度聚类(DBSCAN)

  系谱聚类(HC)

  期望最大化聚类(EM)   十大经典算法

02 用iris数据集进行kmeans分析

# kmeans对iris进行聚类分析 

iris2iris.kmeansiris.kmeans

#用table函数查看分类结果情况
table(iris$Species,iris.kmeans$cluster)

# 1  2  3
# setosa     50  0  0
# versicolor  0 48  2
# virginica   0 14 36

# K-means clustering with 3 clusters of sizes 50, 62, 38

# Cluster means:
#   Sepal.Length Sepal.Width Petal.Length Petal.Width
# 1     5.006000    3.428000     1.462000    0.246000
# 2     5.901613    2.748387     4.393548    1.433871
# 3     6.850000    3.073684     5.742105    2.071053

# Clustering vector:
#   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 3 2 2
# [56] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 3 3 3 3 2 3 3 3
# [111] 3 3 3 2 2 3 3 3 3 2 3 2 3 2 3 3 2 2 3 3 3 3 3 2 3 3 3 3 2 3 3 3 2 3 3 3 2 3 3 2

# Within cluster sum of squares by cluster:
#   [1] 15.15100 39.82097 23.87947
# (between_SS / total_SS =  88.4 %)

# Available components:
#   
#   [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"    "size"        
# [8] "iter"         "ifault" 
#在上述属性中,最常用的就是centers和cluster属性,即中心点和聚类的分类集合

#下边我们将分类以及中心点打印出来

plot(iris2$Sepal.Length,iris2$Sepal.Width,col=iris.kmeans$cluster,pch="*")

points(iris.kmeans$centers,pch="X",cex=1.5,col=4)

03 使用K-Mediods 进行聚类分析

K-Mediods函数跟Kmeans函数基本类似,不同的是,Kmeans是选择簇中心来表示聚类簇,而K-Mediods选择靠近簇中心的对象来表示聚类簇。在含有离群点的情况,下K-Mediods的鲁棒性(稳定性)要更好。

基于中心点的划分算法PAM是K-Mediods中的经典算法,但是PAM很难扩展到较大数据集上,而Clara算法是对PAM算法的改进,他是在较大数据集中分为几个小数据集,分别进行PAM算法,并返回最好的聚类。因此在处理较大数据集的情况下CLARA算法要优于PAM算法。

在R的cluster包中的PAM和CLARA函数分别实现了上述两个算法,但是这两个函数都需要用户指定k值,即中心点的个数。fpc包中的pamk()函数提供了更加强大的算法,该函数不要求用户输入k值,而是自动调用pam或者clara来根据最优平均阴影宽度来估计聚类簇个数来划分数据集。

K-mediods算法描述

a. 首先随机选取一组聚类样本作为中心点集

b. 每个中心点对应一个簇

c. 计算各样本点到各个中心点的距离(如欧几里德距离),将样本点放入距离中心点最短的那个簇中

d. 计算各簇中,距簇内各样本点距离的绝度误差最小的点,作为新的中心点

e. 如果新的中心点集与原中心点集相同,算法终止;如果新的中心点集与原中心点集不完全相同,返回b

#-----使用K-mediods方法来进行聚类分析
#k-mediods中包含pam、clara、pamk三种算法,我们通过iris数据集来看看三者表现

install.packages("cluster")
library(cluster)

iris2.pam3)
table(iris$Species,iris2.pam$clustering)

#             1  2  3
# setosa     50  0  0
# versicolor  0 48  2
# virginica   0 14 36

layout(matrix(c(1,2),1,2)) #每页显示两个图
plot(iris2.pam)
layout(matrix(1))

r语言如何写入一个excel_R语言如何进行聚类分析?_第2张图片

iris2.claratable(iris$Species,iris2.clara$clustering)

#             1  2  3
# setosa     50  0  0
# versicolor  0 48  2
# virginica   0 13 37

layout(matrix(c(1,2),1,2)) #每页显示两个图
plot(iris2.clara)
layout(matrix(1))

r语言如何写入一个excel_R语言如何进行聚类分析?_第3张图片

install.packages("fpc")
library(fpc)
iris2.pamktable(iris2.pamk$pamobject$clustering,iris$Species)


layout(matrix(c(1,2),1,2)) #每页显示两个图
plot(iris2.pamk$pamobject)
layout(matrix(1))

#     setosa versicolor virginica
# 1     50          1         0
# 2      0         49        50

#通过上述分类结果可以看到,pam和calra算法分类结果基本类似,但是pamk将三类分为了两类。

r语言如何写入一个excel_R语言如何进行聚类分析?_第4张图片

04 层次聚类HCluster

基本思想:

1、开始时,将每个样本作为一类。

2、规定某种度量作为样本之间距离以及类距离之间的度量,并且计算之。(hculster里边的dist方法以及method属性)

3、将距离最短的两个类合并为一个类。

4、重复2-3,即不断合并最近的两个类,每次减少一个类,直到所有的样本合并为一个类。

点与点的距离和类与类之间距离的计算可以参考R-modeling关于距离的介绍。

#---层次聚类 
dim(iris)#返回行列数

idx1:dim(iris)[1],40)
iris35]
iris3
hc"ave")  #注意hcluster里边传入的是dist返回值对象

plot(hc,hang=-1,labels=iris$Species[idx])  #这里的hang=-1使得树的节点在下方对齐
#将树分为3块
rect.hclust(hc,k=3)  
groups3)

r语言如何写入一个excel_R语言如何进行聚类分析?_第5张图片

05 基于密度的聚类

前边的k-Means和k-Mediods算法比较适用于簇为球型的,对于非球型的,一般需要基于密度的聚类,比如DBSCAN

要了解DBSCAN,我们需要知道几个基本概念

r-邻域:给定点半径为r的区域。

核心点:如果一个点的r邻域内最少包含M个点,则该点称为核心点。

直接密度可达:对于核心点P而言,如果另一个点O在P的r邻域内,那么称O为P的直接密度可达点。

密度可达:对于P的直接密度可达点O的r邻域内,如果包含另一个点Q,那么称Q为P的密度可达点。

密度相连:如果Q和N都是核心点P的密度可达点,但是并不在一条直线路径上,那么称两者为密度相连。

指定R和M,计算所有的样本点,如果点p的r邻域内有超过M个点,那么创建一个以P为核心点的新簇,反复寻找这些核心点的直接密度可达点(之后可能是密度可达),将其加入到相应的簇,对于核心点发生密度相连的情况加以合并,当没有新的点加入到任何簇中时,算法结束。

优点:

(1)聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类;

(2)与K-MEANS比较起来,不需要输入要划分的聚类个数;

(3)聚类簇的形状没有偏倚;

(4)可以在需要时输入过滤噪声的参数。

缺点:

(1)当数据量增大时,要求较大的内存支持I/O消耗也很大;

(2)当空间聚类的密度不均匀、聚类间距差相差很大时,聚类质量较差,因为这种情况下参数MinPts和Eps选取困难

(3)算法聚类效果依赖与距离公式选取,实际应用中常用欧式距离,对于高维数据,存在“维数灾难”。

R语言中的例子:

#---基于密度的聚类分析
library(fpc)
iris2dstable(ds$cluster,iris$Species)

#打印出ds和iris2的聚类散点图
plot(ds,iris2)

r语言如何写入一个excel_R语言如何进行聚类分析?_第6张图片

#打印出iris第一列和第四列为坐标轴的聚类结果
plot(ds,iris2[,c(1,4)])

r语言如何写入一个excel_R语言如何进行聚类分析?_第7张图片

#另一个表示聚类结果的函数,plotcluster
plotcluster(iris2,ds$cluster)

r语言如何写入一个excel_R语言如何进行聚类分析?_第8张图片

End.

作者:GAVIN姓陈

 数据分析师成长系列文章 

r语言如何写入一个excel_R语言如何进行聚类分析?_第9张图片

r语言如何写入一个excel_R语言如何进行聚类分析?_第10张图片

r语言如何写入一个excel_R语言如何进行聚类分析?_第11张图片

数据大咖都赞了!你呢?

你可能感兴趣的:(r语言如何写入一个excel,r语言聚类分析,如何对聚类结果进行分析,如何用r语言搜集报表)