热线电话：13121318867

登录
首页精彩阅读R语言实现层次聚类分析案例
R语言实现层次聚类分析案例
2016-11-30
收藏

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；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 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；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 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

若不方便扫码，搜微信号：CDAshujufenxi

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？
数据分析师考试动态
CDA报考指南
数据分析学习
数据分析师资讯
更多

CDA教育闭环

常见问题

关于我们

CDA数据分析师公众号

  • CDA数据分析师公众号

CDA考试中心小程序

  • CDA考试中心服务号

CDA数据分析师App下载

  • CDA数据分析师App下载
Copyright © 2015-2021, www.cda.cn All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备11001960号-9 京公网安备 11010802034615号 经营许可证编号：京B2-20210330
联系电话：13321103290 (微信同号)

OK
客服在线
立即咨询
客服在线
立即咨询