R 聚类分析

1. 数据描述

为了对全国区域经济进行分析评价，今收集1998年16个反映国民经济发展的指标：
X1——人均GDP（元） X2——第三产业占GDP比重（%） X3——商品出口依存度（%）
X4——研究与开发经费占GDP比重（%） X5——工业化进程 X6——人均财政教育经费
X7——人口自然增长率（%） X8——城镇人口比重（%） X9——信息化综合指数（%）
X10——城镇居民恩格尔系数（%） X11——城镇人均房屋适用面积（平方米）
X12——平均每名医生服务人口（人） X13——“三废”处理治理达标率
X14——耕地垦殖指数（%） X15——城市人均公共绿地面积（平方米）
X16——污染治理项目投资占GDP比重（%）。

2. 调入数据，并对数据标准化。

操作步骤：

Case6=read.table("clipboard",header=T) #加载数据

3.系统聚类（类间距离为默认最长距离法）

3.1. 分2类进行系统聚类，画系统聚类图，添加分类框，查看分类结果。

操作步骤：

H=H.clust(Case6,"euclidean","complete",plot=T)#最长距离法
plot(H);rect.hclust(H,2) #添加分类框
cutree(H,2)

结果：

结果解释：
分2类

3.2．分3类进行系统聚类，画系统聚类图，添加分类框，查看分类结果。

操作步骤：

plot(H);rect.hclust(H,3) #添加分类框
cutree(H,3)

结果：

结果解释：
分3类

3.3．分4类进行系统聚类，画系统聚类图，添加分类框，查看分类结果。

操作步骤：

plot(H);rect.hclust(H,4) #添加分类框
cutree(H,4)

结果：

结果解释：
分4类

4. kmeans聚类

4.1. 分2类进行kmeans聚类，查看分类结果，画散点图，并标出各类的聚类中心。

操作步骤：

cl=kmeans(Case6,2)#kmeans聚类
cl$cluster
plot(Case6,pch=cl$cluster)

结果：

结果解释：
分2类进行kmeans聚类

4.2．分3类进行kmeans聚类，查看分类结果，画散点图，并标出各类的聚类中心。

操作步骤：

cl=kmeans(Case6,3)#kmeans聚类
cl$cluster
plot(Case6,pch=cl$cluster)

结果：

结果解释：
分3类进行kmeans聚类

4.3．分4类进行kmeans聚类，查看分类结果，画散点图，并标出各类的聚类中心。

操作步骤：

cl=kmeans(Case6,4)#kmeans聚类
cl$cluster
plot(Case6,pch=cl$cluster)

结果：

结果解释：
分4类进行kmeans聚类