统计学生信算法统计算法

聚类分析

2018-12-27  本文已影响6人  我最有才

##########################################################

##聚类分析:层次聚类/划分聚类

### 层次聚类--

##1.计算距离

library(flexclust)

data(nutrient,package = "flexclust")

##将行名大写改为小写,大写不好读 tolower

row.names(nutrient)<-tolower(row.names(nutrient))

#标准化数据 scale()

nutrient.scaled<-scale(nutrient)

#####$###########

###计算距离

d<-dist(nutrient.scaled,method = "euclidean")

##选取平均联动的方法进行聚类

fit.average<-hclust(d,method = "average")

fit.average

##作图 hang=-1可以展示观测值标签,美观    图:从下往上读

plot(fit.average,hang=-1,cex=0.8,main="Average linkage clustering")

#################

###选择聚类的个数--因此前面的可以不写的  NbClust包,NbClust()函数 也可以计算距离

library(NbClust)

devAskNewPage(ask = TRUE)

nc<-NbClust(nutrient.scaled,distance = "euclidean",min.nc = 2,max.nc = 15,method = "average")

table(nc$Best.n[1,])

barplot(table(nc$Best.n[1,]),xlab="Number of Clusters") ##可以选择投票最多的2,3,5,15,从中选择一个最有意义的。

###获得最终的聚类方法

###cutree 把树状图分成5类 从中选择了5类

clusters<-cutree(fit.average,k=5)

table(clusters)

##描述聚类

aggregate(nutrient,by=list(cluster=clusters),median)

aggregate(as.data.frame(nutrient.scaled),by=list(cluster=clusters),median)

plot(fit.average,hang=-1,cex=0.8,main="Average Linkage Clustering\n5 Cluster Solution")

rect.hclust(fit.average,k=5)

###划分聚类分析:K均值聚类和基于中心点的划分(PAM)-例子 rattle包 178种葡萄酒中的13中化学成分--wine数据集为3种酒13种化学成分

library(rattle)

data(wine,package = "rattle")

head(wine)

###标准化数据-均值为0,标准差为1  ##第一列为三种酒分类,排除在标准化外

df<-scale(wine[-1])

##获得距离以及聚类个数以及聚类

#wssplot确定聚类个数 ##方法一,自写的函数wssplot ;方法二:NbClust:

wssplot<- function(data,nc=15,seed=1234){

  wss<- (nrow(data)-1)*sum(apply(data,2,var))

  for(i in 2:nc){

    set.seed(seed)

    wss[i] <- sum(kmeans(data, centers = i)$withinss)

  }

  plot(1:nc,wss,type = "b",xlab = "Number of Clusters",

      ylab = "Within groups sum of squares")

}

wssplot(df)

##方法二NbClust

library(NbClust)

set.seed(1234)##保证随机选择的数据作为中心点可以多次操作有一致性:操作可复制

devAskNewPage(ask=TRUE)

nc<-NbClust(df,min.nc=2,max.nc = 15,method = "kmeans")

table(nc$Best.nc[1,])###3个类 15个值支持

#作图

barplot(table(nc$Best.nc[1,]),xlab="Number of Clusters",ylab="Number of Criteria",main="Number of Cluters Chosen by 26 Criteria")

###K均值聚类分析

set.seed(1234)

fit.km<-kmeans(df,3,nstart = 25)  ##默认nstart=25,

fit.km$size

fit.km$centers

###葡萄酒品种与类成员表示

ct.km<-table(wine$Type,fit.km$cluster)

ct.km

##量化类型变量与类之间的协议  flexclust包

library(flexclust)

randIndex(ct.km)

##围绕中心化分类---也就是在坐标轴上不同类 分别画一个圈圈括起来cluster包中的 pam函数

library(cluster)

set.seed(1234)

fit.pam<-pam(wine[-1],k=3,stand = T) #3数据wine、聚类为3类-之前k聚类有求解、标准化stand

fit.pam$medoids ##输出中心点

##作图

clusplot(fit.pam,main="Bivariate Cluster Plot")  #####蛮好看的

ct.pm<-table(wine$Type,fit.pam$clustering)

ct.pm

randIndex(ct.pm)  ## 调整的兰德指数从K聚类-变为0.7

上一篇下一篇

猜你喜欢

热点阅读