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。

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:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
###### 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:

21553155aa5r2atc957pd2.jpg

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。

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:

1
2
3
4
5
6
7
8
9
###### 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:

215541o9oez636by1yn813.jpg

动态聚类结果

你可能感兴趣的:(r语言,人工智能,数据结构与算法)