聚类分析(R语言)例子.doc

一个用R语言进行聚类分析的例子2013 年 4 月 21 日Bystudent在网上（/ ）找到了一个用R语言进行聚类分析的例子, 在整个例子中做了一些中文解释说明. 数据集用的是iris第一步：对数据集进行初步统计分析#检查数据的维度 dim(iris)1 150 5#显示数据集中的列名 names(iris)1 “Sepal.Length” “Sepal.Width” “Petal.Length” “Petal.Width” “Species”#显示数据集的内部结构 str(iris)data.frame: 150 obs. of 5 variables:$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 $ Species : Factor w/ 3 levels “setosa”,”versicolor”,.: 1 1 1 1 1 1 1 1 1 1 #显示数据集的属性 attributes(iris)$names 就是数据集的列名1 “Sepal.Length” “Sepal.Width” “Petal.Length” “Petal.Width” “Species”$s 个人理解就是每行数据的标号1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2021 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 4041 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 6061 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 8081 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100101 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120121 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140141 141 142 143 144 145 146 147 148 149 150$class 表示类别1 “data.frame”查看数据集的前五项数据情况 iris1:5,Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 5.1 3.5 1.4 0.2 setosa2 4.9 3.0 1.4 0.2 setosa3 4.7 3.2 1.3 0.2 setosa4 4.6 3.1 1.5 0.2 setosa5 5.0 3.6 1.4 0.2 setosa查看数据集中属性Sepal.Length前10行数据 iris1:10, Sepal.Length1 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9同上 iris$Sepal.Length1:101 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9#显示数据集中每个变量的分布情况 summary(iris)Sepal.Length Sepal.Width Petal.Length Petal.Width SpeciesMin. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 setosa :501st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.1993rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.5003显示iris数据集列Species中各个值出现频次 table(iris$Species)setosa versicolor virginica50 50 50根据列Species画出饼图 pie(table(iris$Species)算出列Sepal.Length的所有值的方差 var(iris$Sepal.Length)1 0.6856935算出列iris$Sepal.Length和iris$Petal.Length的协方差 cov(iris$Sepal.Length, iris$Petal.Length)1 1.274315算出列iris$Sepal.Length和iris$Petal.Length的相关系数， 从结果看这两个值是强相关。 cor(iris$Sepal.Length, iris$Petal.Length)1 0.8717538画出列iris$Sepal.Length分布柱状图 hist(iris$Sepal.Length)画出列iris$Sepal.Length的密度函数图 plot(density(iris$Sepal.Length)画出列iris$Sepal.Length和iris$Sepal.Width的散点图 plot(iris$Sepal.Length, iris$Sepal.Width)绘出矩阵各列的散布图 plot(iris)or pairs(iris)第二步：使用knn包进行Kmean聚类分析#将数据集进行备份，将列newiris$Species置为空，将此数据集作为测试数据集 newiris newiris$Species (kc table(iris$Species, kc$cluster)1 2 3setosa 0 50 0versicolor 2 0 48virginica 36 0 14根据最后的聚类结果画出散点图，数据为结果集中的列”Sepal.Length”和”Sepal.Width”，颜色为用1，2，3表示的缺省颜色 plot(newirisc(Sepal.Length, Sepal.Widt