第4章-聚类总结.pptVIP

4.3 k均值聚类法 1.基本思想 根据给定的参数k,先把n个对象粗略的分为k类,然后按照某种最优原则(通常表示为一个准则函数)修改不合理的分类,直到准则函数收敛为止,就得到了一个最终的分类. * 主编：费宇 * * 主编：费宇 例4.2(数据文件为eg4.2) 表4.3 全国31个省、市、自治区消费性支出数据(2011) 地区 食品x1 衣着x2 居住x3 家庭设备及用品x4 交通通信x5 文教娱乐x6 医疗保健x7 其他x8 北京 6905.51 2265.88 1923.71 1562.55 3521.2 3306.82 1523.32 975.37 天津 6663.31 1754.98 1763.44 1174.62 2699.53 2116.01 1415.39 836.82 河北 3927.26 1425.99 1372.25 809.85 1526.6 1203.99 955.95 387.4 山西 3558.04 1461.9 1327.78 832.74 1487.66 1419.43 851.3 415.44 内蒙古 4962.4 2514.09 1418.6 1162.87 2003.54 1812.07 1239.36 765.13 … … … … … … … … … 青海 4260.27 1394.28 1055.15 723.23 1293.45 967.9 854.25 406.93 宁夏 4483.44 1701.73 1247.14 885.36 1637.61 1441.18 978.12 521.47 新疆 4537.46 1715.94 888.16 791.43 1377.67 1122.18 912.99 493.56 #eg4.2 系统聚类: k均值聚类 #打开数据文件eg4.2.xls,选取A1:I32区域,然后复制 data4.2-read.table(clipboard,header=T) #将eg4.2.xls数据读入到data4.2中 KM-kmeans(data4.2,4,nstart=20,algorithm=“Hartigan-Wong”) #聚类的个数为4, 随机集合的个数为20, 算法为“Hartigan-Wong”, 其他备选算法为Lloyd,Forgy, MacQueen sort(KM$cluster) #对分类结果进行排序并查看分类情况 * 主编：费宇 * k均值聚类R程序为： * 主编：费宇 这个过程得到以下结果： 天津 江苏 福建 北京 上海 浙江 广东 内蒙古 辽宁 安徽 山东 1 1 1 2 2 2 2 3 3 3 3 湖北 湖南 广西 海南 重庆 四川 陕西 河北 山西 吉林 黑龙江 3 3 3 3 3 3 3 4 4 4 4 江西 河南 贵州 云南 西藏 甘肃 青海 宁夏 新疆 4 4 4 4 4 4 4 4 4 聚类数k取4,故31个地区分为四类. 如果将聚类数设定为5，则聚类结果可分为五类. * 主编：费宇 4.4案例 #case4.1, 打开数据文件case4.1.xls,选取B3:J149区域,然后复制 dat-read.table(clipboard,header=T) #将case4.1.xls数据读入到dat中 KM-kmeans(dat,4,nstart=20,algorithm=Hartigan-Wong) #聚为4类 sort(KM$cluster) #对分类结果进行排序并查看分类情况 案例：世界146个国家和地区人文发展情况的聚类分析(数据文件为case4.1) 聚类数设定为4，则R程序为： * 主编：费宇 这个过程将146个国家(地区)分为4类： 第1类：博茨瓦纳,南非,刚果(布),斯威士兰,肯尼亚……布隆迪,尼日尔,刚果(金)；(低人文发展国家) 第2类：挪威,澳大利亚,荷兰,美国,新西兰,加拿大,爱尔兰,德国……葡萄牙,智利,古巴；(超高人文发展国家) 第3类：阿联酋,爱沙尼亚,斯洛伐克,卡塔尔,匈牙利……中国,泰国……越南,尼加拉瓜,摩洛哥；(高人文发展国家) 第4类：俄罗斯联邦,哈萨克斯坦,乌克兰, 加蓬,玻利维亚,蒙古……尼泊尔,海地,苏