聚类分析算法解析

聚类分析算法分析一、非相似矩阵计算1.加载数据数据(iris)str(iris)分类分析是没有指导的分类，因此从数据中删除原始分类变量。iris $ Species-空2.非相似矩阵计算不相似的矩阵计算，即距离矩阵计算，r中的dist()函数或cluster包中的daisy()函数。Dist()函数的基本形式如下Dist (x，method= euclidean ，diag=false，upper=false，p=2)其中x是数据框(数据集)，方法是欧式距离“euclidean”，最大距离“maximum”，绝对值距离“manhattan”，“canberra”，二进制距离不对称“binary”默认值是计算欧式距离，并且所有属性必须是相同类型。例如，连续类型或两种值类型。Dd-dist(iris)Str(dd)距离矩阵可以使用as.matrix()函数变形矩阵形状，以便于显示。iris数据150例样本之间的距离矩阵150矩阵。下面是示例1到5之间的欧洲距离。Dd-as.matrix(dd)其次，使用hclust()进行血统群集(层次群集)1.群集函数r中包含的群集函数为hclust()，是血统群集方法。基本函数命令如下结果对象-hclust(距离对象，method=方法)Hclust()可用的类之间距离计算方法包括偏差法“ward”、最短距离法“single”、最大距离法“complete”、平均距离法“average”、“mcquitty”下面使用平均距离方法进行群集。Hc-hclust (dist (iris)，method= ave )2.群集函数的结果群集结果对象包含许多群集分析的结果，可以使用数据组件的方法列出相应的计算结果。Str(hc)下列出了群集结果对象hc中包含的merge和height结果值的前六个值。行号表示群集进程的阶段，X1、X2表示在该阶段组合的两个类。其中负数表示原始示例序列号，正数表示新创建的类。Height变量表示合并时两个类之间的距离。例如，步骤1合并示例102和143。示例之间的距离为0.0，合并的类使用该步骤的步长编号显示。也就是说，样例-102和-143合并为一个类。行6表示类之间的距离为0.1，合并的类称为6类的示例11和49的合并。Head (hc$merge，hc$height)群集结果对象HC中包含的merge和height结果值的步骤50到55的结果，如下所示。步骤50的结果表明示例43与13类(即步骤13的群集联合结果)合并。所有类编号负j表示原始数据的示例编号，正I表示在群集过程的第I阶段形成的新类。步骤54将在群集过程的步骤7和37中形成的类合并到新类中，新类成为54类，类之间的距离为0.2641715。Data.frame (HC $ merge，HC $ height) 503369053.绘制群集图群集完成后，可以使用plot()绘制群集的树图。Plot (HC，hang=-1，labels=iris $ species)4.指定分类和类中心群集观察树可以发现，数据示例很多，图形变得复杂，确定合理的分类不容易，为了简化图形，可以使用cutree()检查初始分类结果，先确定每个样本原始分类的类数，然后使用hclust()重新聚类，最后得到最终分类结果。Memb-cutree(hc，k=10) #确定10个分类Table(memb) #不同类型的示例数要重新聚集，必须计算每个类中心的类中心，如下所示：其中，每种类型的平均矢量表示每个类的中心。Cent-NULLFor (k in 1333610)、Cent-rbind (cent，colmeans (iris sample memb=k，drop=false)如果有各种类中心，请再次使用hclust()函数从类10开始重新启动群集。Hclust()函数现在需要指定各种类中心，并使用中心方法进行群集。Hc1-hclust (dist，method= centroid ，members=table (memb)Plot(hc1)Hc1重新群集的树非常简单。在树形图中决定三个类别更合适。4.输出最终分类结果使用Cutree()确定输出每个示例的最终分类。Memb-cutree(hc，k=3 #)确定三个分类Table(memb) #不同类型的示例数以下是聚类结果与原始分类的比较结果，表明聚类结果良好。错误率约为14/150=9.33%。5.直接数据距离阵列群集您可以直接输入距离矩阵，然后使用as.dist()函数将它转换为可以在hclust()中使用的距离数组对象，最后使用hclust()执行群集分析。X-read.table(text=Id BA FI MI VO RM TOBA 0 662 877 255 412 996Fi 6620 295 468 268 268 400美国877 295 0 754 564 138VO 255 468 754 0 219 869RM 412 268 564 219 0 669TO 996 400 138 869 669 0 ，header=T)Rs(x)-x$idX$id-NULLx转换为距离阵列。X-as.dist(x)Hc -hclust(x)显示群集进程。Data.frame(hc$merge，hc$height)绘制群集图。Plot(hc2)在聚类图中，聚合为两类更为合适。Cutree(hc2，2)所以BA、VO、RM聚集到一类，TO、FI、MI聚集到另一类。四、使用集群包进行集群分析1.距离矩阵计算除了可以使用Dist()函数外，还可以使用daisy()函数，这样在加载cluster包后可以使用更多的数据类型。如果原始数据表包含混合数据(即属性变量连续且分类)，则dist()计算不完美，使用daisy()函数不会有任何问题。Daisy()要求加载cluster包。第一次使用时也必须安装。Install.packages (cluster ，repos= HTT/25/rpkg)库(群集)雏菊()函数可以采用以下形式使用：包含欧式距离“euclidean”、绝对值距离和“manhattan”、“gower”的daisy()。Dd2-菊花(iris)Dd2-as.matrix(dd1)2.使用agens()群集Cluster软件包提供了两种由下而上的a bottom-up配置的分层群集方法。数据示例首先由每个数据示例组成，然后通过合并方法的群集过程成为包含所有示例的大类。Agnes()函数将此功能称为合并层群集。Diana()会使用相反的a top-down，先将所有样本视为一个类别，然后透过类别分割程序，最后将样本分割为个别的范例类别。这称为分割方法。Agens()函数的形式如下Agnes(x，diss=true | false，metric= euclidean ，stand=false | true，Method= average ，par.method，keep.diss=n 100，keep.data=！Diss)其中diss指定x对象是否为非历史矩阵对象。与hclust()函数不同，Agnes()可以同时使用原始数据和距离数组。Stand需要标准化数据，而类之间距离的计算方法包括“平均值”平均方法、UPGMA、single最短距离方法、complete最大距离方法、ward“偏差”方法、weighted平均距离方法和“weighted”指定是否在Keep.diss和keep.data结果中保留非历史矩阵和数据。保留这些结果需要更多内存。Ag-Agnes (iris，diss=f，metric= euclidean ，stand=f，method= single )Data.frame (ag $ merge，ag $ h