R语言实现层次聚类分析案例-CDA数据分析师官网

R语言实现层次聚类分析案例

2016-11-30

R语言实现层次聚类分析案例

聚类分析，对样品或指标进行分类的一种分析方法，依据样本和指标已知特性进行分类。

本节主要介绍R语言层次聚类分析，一共包括3个部分，每个部分包括一个具体实战例子。

一、常规聚类过程

1、首先用dist()函数计算变量间距离

dist.r = dist(data, method=” “)

其中method包括6种方法，表示不同的距离测度：”euclidean”, “maximum”, “manhattan”, “canberra”, “binary” or “minkowski”。相应的意义自行查找。

2、再用hclust()进行聚类

hc.r = hclust(dist.r, method = “ ”)

其中method包括7种方法，表示聚类的方法：”ward”, “single”, “complete”,”average”, “mcquitty”, “median” or “centroid”。相应的意义自行查找。

3、画图

plot(hc.r, hang = -1,labels=NULL) 或者plot(hc.r, hang = 0.1,labels=F)

hang 等于数值，表示标签与末端树杈之间的距离，

若是负数，则表示末端树杈长度是0，即标签对齐。

labels 表示标签，默认是NULL，表示变量原有名称。labels=F :表示不显示标签。

实例介绍：

特殊情况用法：

当用已知距离矩阵进行聚类时，即变量间的距离已经计算完，只是想用

已知的距离矩阵进行聚类。这时，需将距离矩阵转成dist类型。

然后再执行hclust()聚类和plot()画图。

二、热图聚类过程

1、首先用dist()函数计算变量间距离

dist.r = dist(data, method=” “)

2、用heatmap()函数进行热点图聚类

对于heatmap中具体参数，这里不做过多介绍，可在帮助文档中找说明。除此heatmap函数之外，gplots包中的heatmap.2()函数，也可以做热点图聚类。

其中参数不做过多描述。若有需求，请分享并回复：heatmap.2

即可得到答案。

实战例子：

#聚类并画图

三、多维标度和聚类的结果

MDS方法对距离矩阵进行降维，用不同的颜色来表示聚类的结果。

另一种聚类效果展示。数据分析培训

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

聚类聚类分析层次聚类 R语言降维数据分析

数据分析咨询请扫描二维码

上一篇回归系列（一）| 怎样正确地理解线性回归

下一篇2020美国总统竞选大戏开锣，川普当选的奇迹会再发生吗？

R语言实现层次聚类分析案例

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师的工作内容是什么

数据分析师必须掌握的技能有哪些

数据分析入门难吗

数据分析能干啥

数据分析行业的前景

数据分析的常用方法

什么是企业数字化转型

女生做数据分析师最好去哪个行业

大数据技术专业学什么

数据分析师教程《Python数据分析极简入门》第2节 3 ...

什么行业越老越吃香

利用python进行数据分析

大数据与会计专业主要学什么

成为数据分析师需要哪些技能

python可以做数据分析吗

数据分析师的日常工作有哪些？

数据分析五种方法

数字化转型是什么意思

未来发展前景好的十大行业

统计学就业方向及前景