聚类分析

聚类分析实习

一、不相似矩阵计算 1.加载数据 data(iris) str(iris)

2. 不相似矩阵计算

不相似矩阵计算，也就是距离矩阵计算，在R中采用dist()函数，或者cluster包中的daisy()函数。dist()函数的基本形式是

dist(x, method = \

其中x是数据框（数据集），而方法可以指定为欧式距离\最大距离\绝对值距离\\二进制距离非对称\和明氏距离\。默认是计算欧式距离，所有的属性必须是相同的类型。比如都是连续类型，或者都是二值类型。 dd<-dist(iris) str(dd)

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<-NULL

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。 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 结果对象 <- hclust(距离对象, method=方法)

hclust()可以使用的类间距离计算方法包含离差法\，最短距离法

\， 最大距离法\，平均距离法\，\，中位数法 \和重心法\。下面采用平均距离法聚类。 hc <- hclust(dist(iris), method=\

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，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50步结果表明样本43与13类（即第13步的聚类合类结果）合并。所有的类编号负数j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。 data.frame(hc$merge,hc$height)[50:55]

3.绘制聚类图

聚类完成后可以使用plot()绘制出聚类的树图。 plot(hc, hang = -1, labels=iris$Species)

4.指定分类和类中心聚类

通过观察树形图，可见由于数据例很多，使图形很乱，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。

memb <- cutree(hc, k = 10) #确定10个分类 table(memb) #各类中的样本数

为了进行重新聚类，需要计算各类的类中心的类中心，这里用各类的均向量

来代表各类的类中心，计算程序如下。 cent <- NULL for(k in 1:10){

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\plot(hc1) hc1