聚类分析算法解析.pdfVIP

_ 聚类分析算法解析 一、不相似矩阵计算 1.加载数据 data(iris) str(iris) 分类分析是无指导的分类，所以删除数据中的原分类变量。谢谢阅读 iris$Species-NULL 2. 不相似矩阵计算 丌相似矩阵计算，也就是距离矩阵计算，在 R 中采用 dist()函数，或者 cluster 包中的感谢阅读 daisy()函数。dist()函数的基本形式是 dist(x, method = euclidean, diag = FALSE, upper = FALSE, p = 2)精品文档放心下载 其中 x 是数据框（数据集），而方法可以指定为欧式距离 euclidean, 最大距离精品文档放心下载 maximum, 绝对值距离manhattan, canberra, 二迚制距离非对称binary 和明氏感谢阅读 距离minkowski。默认是计算欧式距离，所有的属性必须是相同的类型。比如都是连续类谢谢阅读 型，或者都是二值类型。 dd-dist(iris) str(dd) _ 距离矩阵可以使用 as.matrix()函数转化了矩阵的形式，方便显示。Iris 数据共 150 例感谢阅读 样本间距离矩阵为 150 行列的方阵。下面显示了 1~5 号样本间的欧式距离。谢谢阅读 dd-as.matrix(dd) 二、用hclust()进行谱系聚类法（层次聚类） 1.聚类函数 R 中自带的聚类函数是 hclust()，为谱系聚类法。基本的函数指令是感谢阅读 结果对象 - hclust （距离对象, method=方法）感谢阅读 hclust()可以使用的类间距离计算方法包含离差法ward，最短距离法single，最大感谢阅读 距离法complete，平均距离法average，mcquitty，中位数法 median 和重心法谢谢阅读 centroid。下面采用平均距离法聚类。 hc - hclust(dist(iris), method=ave)感谢阅读 _ 2.聚类函数的结果 聚类结果对象包含很多聚类分析的结果，可以使用数据分量的方法列出相应的计算结精品文档放心下 载 果。 str(hc) 下面列出了聚类结果对象 hc 包含的 merge 和 height 结果值的前 6 个。其行编号表示谢谢阅读 聚类过程的步骤，X1 ，X2 表示在该步合并的两类，该编号为负代表原始的样本序号，编号精品文档放心下载 为正代表新合成的类；变量 height 表示合并时两类类间距离。比如第 1 步，合并的是样本精品文档放心下载 102 和 143，其样本间距离是0.0 ，合并后的类则使用该步的步数编号代表，即样本-102 精品文档放心下载 和-143 合并为 1 类。再如第 6 行表示样本 11 和 49 合并，该两个样本的类间距离是 0.1 ，谢谢阅读 合并后的类称为 6 类。 head (hc$merge,hc$height) 下面显示的聚类结果对象 hc 包含的 merge 和 height 结果值的 50~55 步的结果。第谢谢阅读 50 步结果表明样本 43 不 13 类（即第 13 步的聚类合类结果）合并。所有的类编号负数j 感谢阅读 表示原数据的样本编号，正数 i 表示聚类过程的第 i 步形成的新类。再如 54 步，表示聚类精品文档放心下载 _ 过程第 7 步和第 37 步形成的类合并为新类，新类成为第 54 类，其类间距离是 0.2641715。精品文档放心下载 data.frame(hc$merge,hc$height)[