聚类分析算法解析

......聚类分析算法解析一、不相似矩阵计算.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。iris$Species<-NULL2.不相似矩阵计算dist(x,method="euclidean",diag=FALSE,upper=FALSE,p=2)其中x是数据框(数据集)，而方法可以指定为欧式距离"euclidean",最大距离"maximum",绝对值距离"manhattan","canberra",二进制距离非对称"binary"和明氏距dd<-dist(iris)strdd)距离矩阵可以使用as.matrix()函数转化了矩阵的形式，方便显示。Iris数据共150dd<-as.matrix(dd).......二、用hclust()进行谱系聚类法(层次聚类).聚类函数R聚类函数是hclust()，为谱系聚类法。基本的函数指令是hclust()可以使用的类间距离计算方法包含离差法"ward"，最短距离法"single"，最大距离法"complete"，平均距离法"average"，"mcquitty"，中位数法"median"和重心法"centroid"。下面采用平均距离法聚类。hc<-hclust(dist(iris),method="ave")2.聚类函数的结果聚类结果对象包含很多聚类分析的结果，可以使用数据分量的方法列出相应的计算结strhc)类过程的步骤，X1，X2表示在该步合并的两类，该编号为负代表原始的样本序号，编号为head(hc$merge,hc$height).......data.frame(hc$merge,hc$height)[50:55]3.绘制聚类图plot(hc,hang=-1,labels=iris$Species)4.指定分类和类中心聚类.......不容易确定合理的分类，为简化图形，使用cutree()来确定最初的分类结果，先初步确定各个样本的最初分类的类数后，然后用hclust()再次聚类，重新聚类后，得出最后的分类结果。membcutreehck10)#确定10个分类table(memb)#各类中的样本数，计算程序如下。cent<-NULLfor(kin1:10){cent<-rbind(cent,colMeans(irisSample[memb==k,,drop=FALSE]))}有了各类的类中心后，再次使用hclust()函数，从10类起重新开始聚类。hclust()函数这时需要指定各类的类中心，并采用中心法来聚类。hc1<-hclust(dist(cent),method="centroid",members=table(memb))plot(hc1)hc1.......再次聚类的树形图就很精简了。从树形图上看，确定为三类是比较合适的。4.输出最终分类结果cutree样本的最后分类。cutreehcktable(memb)#各类中的样本数5.直接数据距离阵聚类可以直接输入距离矩阵，然后用as.dist()函数转为hclust()可以使用的距离阵对象，x<-read.table(text="idBAFIMIVORMTOBA0662877255412996FI6620295468268400.......MIVORMO741262950754564138468754021986926856421906694001388696690",header=T)s(x)<-x$idx$id<-NULLxx<-as.dist(x)hc<-hclust(x)data.frame(hc$merge,hc$height)plot(hc2)从聚类图可见聚为两类比较合适。cutree(hc2,2).......1.计算距离矩阵以使用的数据类型更多一些。当原始数据表中包含的数据是混合型即属性变量既有有连续又yinstall.packages(‘cluster’,repos=’htt//25/rpkg)library(cluster)daisy()函数的形式和dist()相似，可以采用的距离包含欧式距离"euclidean",绝对值距离和"manhattan","gower"。dd2<-daisy(iris)dd2<-as.matrix(dd1)cluster包提供了两种层次聚类的方法，一种是abottom-up自底而上，采用先将数据样本先各自看成一类，然后通过合并法的聚类过程，最终形成一个大类，包含全部样本，agnes()函数完成这个功能，这个称为合并层次聚类。而diana()则采用相反的方法，即atop-down自顶而下，先将所有样本看成一类，然后通过分裂类的过程将样品最终分为各自样本类，这个称为分裂法。agens()函数的形式是agnes(x,diss=TRUE|FALSE,metric="euclidean",stand=FALSE|TRUE,method="average",par.method,keep.diss=n<100,keep.data=!diss)stand以采用的类间距keep.data指定在结果中是否保留不相似矩阵和数据，保留这些结果需要更多的存。.......ag<-agnes(iris,diss=F,metric="euclidean",stand=F,method="single")data.frame(ag$merge,ag$height)[50:55,]plot(ag,ask=FALSE,which.plots=NULL).......cutree(ag,k=3)装载数据load'adultuci.rdata')str(AdultUCI)删除原来的目标变量AdultUCI$income<-NULL删除原始据中数据缺失的数据例AdultUCI<-na.omit(AdultUCI)