8-R软件应用多元分析.pptVIP

continue (2) 极差正规化变换. x=data.frame(x1=c(1,2),x2=c(1,2),x3=c(1,2),x4=c(1,2)) x1 x2 x3 x4 1 1 1 1 1 2 2 2 2 2 ap=apply(x,2,min) x1 x2 x3 x4 1 1 1 1 center=sweep(x,2,ap) r=apply(x,2,max)-apply(x,2,min) x_star=sweep(center,2,r,/) r x1 x2 x3 x4 1 1 1 1 center x1 x2 x3 x4 1 0 0 0 0 2 1 1 1 1 x_star x1 x2 x3 x4 1 0 0 0 0 2 1 1 1 1 3. 相似系数 相似系数用于对变量进行分类。 夹角余弦 Xi与Xj的夹角余弦称为两向量的相似系数 x=data.frame(x1=c(1,2),x2=c(1,2),x3=c(1,2),x4=c(1,2)) y=scale(x,center=F,scale=T)/sqrt(nrow(x)-1) x1 x2 x3 x4 [1,] 0.4472136 0.4472136 0.4472136 0.4472136 [2,] 0.8944272 0.8944272 0.8944272 0.8944272 c=t(y)%*%y 将样本列(变量)标准化 相关系数 中心化 样本(变量)的相关矩阵 R实现： cor(x) 8.2.2 系统聚类法 记号： dij:第i个样本与第j个样本的距离. G1,G2:表示类. DKL:GK与GL的(类)距离. 最短距离法 类与类之间的距离为两类最近样本间的距离: 当某步骤类GK和GL合并为GM后,按最短距离法计算新类GM与其他类GJ的类间距离: 最长距离法 递推公式 中间距离法 推广： 类平均法 可变类平均法: 类GK的样本个数 Mcquitty相似分析 递推公式 类与类之间的距离定义为他们重心(均值)之间的Euclid距离.设GK和GL的重心分别为 和 . 重心法 递推公式 离差平方和法(ward方法) 递推公式 GK和GL的平方距离也可定义为： 与重心法相差一个系数，表明表明大样本类不易合并，这更符合实际。 7. R相关函数及其用法 Usage hclust(d, method = complete, members=NULL) Description Hierarchical cluster analysis on a set of dissimilarities and methods for analyzing it. d :a dissimilarity structure as produced by dist. method :ward, single, complete, average, mcquitty, median or centroid. 例8.6 设有5个样本,每个样本只有一个指标,分别是1,2,6,8,11,样本间的距离选用Euclid距离,试用最短距离法、最长距离法等方法进行聚类分析，并画出相应的谱系图. R实现: x=c(1,2,6,8,11) dim(x)=c(5,1) d=dist(x) d 1 2 3 4 2 1 3 5 4 4 7 6 2 5 10 9 5 3 第一个样本到第2,3,4,5个样本的距离 例8.6(续) hc1=hclust(d,single) hc2=hclust(d,complete) hc3=hclust(d,median) hc4=hclust(d,mcquitty) hc5=hclust(d,average) hc6=hclust(d,centroid) hc7=hclust(d,ward) opar=par(mfrow=c(3,3)) plot(hc1,hang=-1) plot(hc2,hang=-1) plot(hc3,hang=-1) plot(hc4,hang=-1) plot(hc5,hang=-1) plot(hc6,hang=-1) plot(hc7,hang=-1) 例8.7 对305名女中学生测量8个体型指标,相应的相关矩阵如表，将相关系数看成相似系数,定义距离为dij=1-rij,用最长距离法做系统分析. 身高 手臂长 上肢长 下肢长 体重 颈围 胸围