6聚类分析.doc

聚类分析：聚类分析分系统聚类法和k均值法。 1.系统聚类： scale(x) 对数据做标准化操作，x为原数据。 dist(x,method="euclidean",diag=F,upper=F,p=2) 距离矩阵计算函数 x为数据矩阵或数据框 method为计算方法，包括：euclidean（欧氏距离）、maximum（切比雪夫距离）、manhattan（绝对值距离）、nberra（兰氏距离）、minkoeski（明氏距离）。 diag为是否包含对角线元素 upper为是否需要上三角 p为明氏距离的幂次。 hclust(d,method="ward",….) 系统聚类函数 d为距离矩阵 method为系统聚类方法：single（最短距离法）、complete（最长距离法）、average（类平均法）、median（中间距离法）、centroid（重心法）、ward（ward法）。 rect.hclust(hc,k=c) 圈聚类框函数 hc为聚类函数结果，c为常数是自定的分类个数。 例1：对以下股票进行分类，数据集：d9.1 x1：主营业务利润率 x2：销售毛利率 x3：速动比率 x4：资产负债率 x5：主营业务收入增长率 x6：营业利润增长率 命令： > X=read.table("clipboard",header=T) #读取数据 > Z=scale(X) #对数据做标准化处理 > D=dist(Z) #计算距离矩阵 > hc=hclust(D,"ward") #ward聚类法 > cbind(hc$merge,hc$height) #聚类过程 [,1] [,2] [,3] [1,] -7 -11 1.112209 [2,] -2 -6 1.150279 [3,] -3 -14 1.156805 [4,] -4 -9 1.202639 [5,] -1 1 1.646166 [6,] -10 -12 2.221257 [7,] 3 4 2.311630 [8,] -13 6 3.343961 [9,] -8 5 3.835969 [10,] -5 7 3.969620 [11,] 8 9 4.630854 [12,] 2 10 6.978112 [13,] 11 12 9.014416 > plot(hc) #画聚类图 > rect.hclust(hc,k=3) 从分类图我们可以分三类： 第一类：福建水泥、四川金顶、华新水泥、海螺水泥、冀东水泥、太行股份、祁连山； 第二类：大同水泥、狮头股份； 第三类：西水股份、四川双马、天鹅股份、牡丹江、尖峰集团。 也可使用自编函数包mvstats中的H.clust函数。 H.clust(X,d="euc",m="comp",proc=F,plot=T) X为数值矩阵或数据框 d为距离计算方法。euclidean（欧氏距离） maximum（切比雪夫距离） manhattan（绝对值距离） canberra（兰氏距离） minkoeski（明氏距离） m为系统聚类方法 single（最短距离法） complete（最长距离法） average（类平均法） median（中间距离法）、centroid（重心法）、ward（ward法） proc为是否输出聚类过程 plot为是否输出聚类图 例2：为了研究我国31个省、市、自治区2001年城镇居民生活消费的分布规律，根据调查资料作区域消费类型划分。数据集：d7.2。 x1：人均食品支出 x2：人均衣着商品支出 x3：人均家庭设备用品及服务支出 x4：人均医疗保健支出 x5：人均交通和通信支出 x6：人均娱乐教育文化服务支出 x7：人均居住支出 x8：人均杂项商品和服务支出。 命令： > X=read.table("clipboard",header=T) #读取数据 > library(mvstats) > H.clust(X,"euclidean","single",plot=T) #欧氏距离 最短距离法 Call: hclust(d = D, method = m) Cluster method : single Distance : euclidean Number of objects: 31 > H.clust(X,"euclidean","complete",plot=T) #欧氏距离 最长距离法 > H.clust(X,"euclidean","median",plot=T) #欧氏距离 中间距离法 > H.clust(X,"euclidean