《应用多元分析》实验5-聚类分析.docx

实验五 聚类分析一、实验说明 实验项目名称：聚类分析 实验类型：基础 实验课时：2 实验所用主要仪器：微型计算机1台（能够连接互联网，32bit或64bit的Windows操作系统），R软件编程环境。二、实验目的：1.系统聚类法：使用dist函数计算各种距离，使用hclust函数分别进行最短距离法、最长距离法、中间距离法、类平均法、重心法、ward法等六种聚类分析，对聚类结果使用plot函数作出聚类树形图，通过查看碎石图（最小距离height与聚类数目的散点图）选择聚类数，使用rect.hclust函数在聚类树形图上加框分类，使用cutree函数得到聚类结果；安装并加载mvstats包，使用H.clust函数进行上述六种系统聚类分析。2.使用scale函数在各变量量纲不一致或取值相差较大时，对数据进行标准化变换。3.kmeans聚类法：使用kmeans函数进行快速聚类，并会查看聚类结果。三、实验内容和步骤1.通过运行代码，查看运行结果，学习使用R命令进行系统聚类(又称为分层聚类，层次聚类)和kmeans聚类(又称为k均值聚类)。2.聚类分析的练习案例：1）教材的四个例子：例7-1（165，166，170，171页），例7-2（171至175页），例7-3（176至179页），案例分析：全国区域经济的聚类分析（180至183页）2）某年我国31个省、直辖市、自治区环境污染状况的聚类分析数据。3.练习的代码文件：“练习ch7-1.R”，“练习ch7-2.R”4.练习的数据文件：“mvstats(2015).xls” (表单d7.2)，“mvcase.xls” (表单Case6)，“PollutionData.txt” 四、实验要求1.完成教材的184-185页： 2，3题，见数据文件：“mvexec3.xls”（表单E7.2)。2.分析数据文件：“birth.csv”： 70个国家和地区的出生率（%）和死亡率（%）数据，删去（除了表头的）第17行和第52行的都是FRANCE的观测值，对剩下的68个国家和地区的出生率和死亡率进行聚类分析。 3.分析数据文件：“LA_Neighborhoods.txt”：美国普查局2000年的洛杉矶街区数据。一共110个街区，15个变量。第1个变量：LA_Nbhd（街区名字），第2个变量：Income（收入中位数），第3个变量：Schools（公立学校API中位数），API是涉及学生成绩的Academic Performance Index的缩写，第4个变量：Diversity（种族多样性），第5个变量：Age （年龄中位数），第6个变量：Homes （有房家庭比例），第7个变量：Vets （复员军人比例），第8个变量：Asian（亚裔人口比例），第9个变量：Black（非裔比例），第10个变量： Latino （拉美裔比例），第11个变量：White （欧裔比例），第12个变量：Population （人口），第13个变量：Area （面积）第14个变量：Longitude（经度），第15个变量：Latitude（纬度），请自行增加第16个变量：人口密度density= Population/ Area，使用第1，2，5，6，11，16个变量创建新数据框，根据第2，5，6，11，16这五个变量对110个洛杉矶街区进行聚类分析（聚类前考虑对数据施行标准化变换）。4. 撰写纸质稿的实验报告,要求实验报告最后一段有文字总结（学习心得，实验总结，提出问题，对于课程的意见和建议等），书写请用正楷字，勿用草书。下周三上课时