聚类分析之R语言篇

聚类分析(cluster analysis)是把研究对象(样本或变量)分组成为由类似的对象组成多个类的一种统计方法。聚类结果一般在4-6类，不易太多，或太少。聚类分析目的在于将相似的事物归类，同一类中的个体有较大的相似性，不同类的个体差异性很大。两个个体间(或变量间)的对应程度或联系紧密程度的度量可以用两种方式来测量：1、采用描述个体对(变量对)之间的接近程度的指标，例如“距离”，“距离”越小的个体(变量)越具有相似性；2、采用表示相似程度的指标，例如“相关系数”，“相关系数”越大的个体(变量)越具有相似性。

       聚类分析方法包括：系统聚类法、动态聚类法、有序样本聚类法和模糊聚类法等等。本文只介绍较常用的系统聚类法和动态聚类法。

1 系统聚类法

以R基础包自带的鸢尾花(Iris)数据进行聚类分析。分析代码如下：

###### 代码清单 #######
data(iris); attach(iris)
iris.hc <- hclust( dist(iris[,1:4]))
# plot( iris.hc, hang = -1)
plclust( iris.hc, labels = FALSE, hang = -1)
re <- rect.hclust(iris.hc, k = 3)
iris.id <- cutree(iris.hc, 3)
table(iris.id, Species)

###### 运行结果 #######
> table(iris.id,Species)
     Species
iris.id setosa versicolor virginica
    1     50          0         0
    2      0         23        49
    3      0         27         1

聚类分析生成的图形如下：

鸢尾花花萼及花瓣的长度和宽度系统聚类图

   结果表明，函数cuttree()将数据iris分类结果iris.hc编为三组分别以1,2,
3表示，保存在iris.id中。将iris.id与iris中Species作比较发现：1应该是setosa类，2应该是virginica类(因为
virginica的个数明显多于versicolor)，3是versicolor。

2 动态聚类法

仍以R基础包自带的鸢尾花(Iris)数据进行K-均值聚类分析，分析代码如下：

###### 代码清单 #######
library(fpc)
data(iris)
df<-iris[,c(1:4)]
set.seed(252964) # 设置随机值，为了得到一致结果。

(kmeans <- kmeans(na.omit(df), 3)) # 显示K-均值聚类结果

plotcluster(na.omit(df), kmeans$cluster) # 生成聚类图

生成的图如下：

动态聚类结果