
聚類分析是一種常用的無監(jiān)督學習方法,旨在將樣本數(shù)據(jù)劃分為相似的群組或簇。在R中,有多種聚類分析方法可供選擇,包括層次聚類和K均值聚類等。本文將介紹如何使用R進行聚類分析。
在進行聚類分析之前,需要先準備好要分析的數(shù)據(jù)集。數(shù)據(jù)通常以矩陣或數(shù)據(jù)框的形式呈現(xiàn),其中每行代表一個樣本,每列代表一個特征。在這里,我們將使用UCI Machine Learning Repository上的Iris數(shù)據(jù)集作為示例。該數(shù)據(jù)集包含150個樣本,每個樣本有4個特征:花萼長度、花萼寬度、花瓣長度和花瓣寬度。首先,我們需要從網(wǎng)絡上下載數(shù)據(jù)集并導入到R中:
iris <- read.csv("https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data", header = FALSE)
colnames(iris) <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species")
層次聚類是一種將樣本逐步分組的方法,可以形成一個樹形結(jié)構,稱為樹狀圖。在R中,可以使用hclust
函數(shù)來執(zhí)行層次聚類分析。hclust
函數(shù)需要一個距離矩陣或相似性矩陣作為輸入,因此我們需要首先計算樣本之間的距離或相似性矩陣。在這里,我們將使用歐幾里得距離來度量樣本之間的距離:
dist_mat <- dist(iris[, 1:4], method = "euclidean")
接下來,我們可以使用hclust
函數(shù)對距離矩陣進行聚類分析:
hc_res <- hclust(dist_mat, method = "ward.D2")
其中,method = "ward.D2"
表示使用Ward方法進行聚類分析。Ward方法嘗試最小化群組內(nèi)方差的增加量,因此通常能夠產(chǎn)生更緊密的群組。執(zhí)行完聚類分析后,我們可以使用plot
函數(shù)來繪制樹狀圖:
plot(hc_res)
從樹狀圖中可以看出,Iris數(shù)據(jù)集可以被分成3個主要簇。我們還可以使用cutree
函數(shù)將每個樣本分配到不同的簇中:
cluster_labels <- cutree(hc_res, k = 3)
其中,k = 3
表示我們期望將數(shù)據(jù)分為3個簇??梢酝ㄟ^以下方式查看每個樣本所屬的簇:
head(cluster_labels)
#> [1] 1 1 1 1 1 1
K均值聚類是一種迭代方法,旨在將樣本分為k個不同的簇,使得每個簇內(nèi)部的樣本之間的距離最小化。在R中,可以使用kmeans
函數(shù)來執(zhí)行K均值聚類分析。kmeans
函數(shù)需要指定要分成的簇數(shù),并且通常需要多次運行以避免收斂于局部最小值。
kmeans_res <- kmeans(iris[, 1:4], centers = 3, nstart = 20)
其中,centers = 3
表示我們期望將數(shù)據(jù)分為3個簇,nstart = 20
表示我們希
望執(zhí)行20次隨機初始化來避免局部最小值。
K均值聚類分析的輸出包括每個樣本所屬的簇標簽和每個簇的中心點。我們可以通過以下方式查看分配到每個簇的樣本數(shù)量:
table(kmeans_res$cluster)
#>
#> 1 2 3
#> 38 50 62
從結(jié)果可以看出,Iris數(shù)據(jù)集被成功地分成了3個主要簇,每個簇都有相似的特征值。
除了樹狀圖之外,我們還可以使用其他方法來可視化聚類結(jié)果。例如,我們可以使用ggplot2包中的函數(shù)繪制散點圖,并使用不同的顏色表示不同的簇:
library(ggplot2)
iris_clustered <- cbind(iris, cluster_labels)
ggplot(iris_clustered, aes(x = Sepal.Length, y = Petal.Width, color = factor(cluster_labels))) +
geom_point()
從散點圖可以看出,不同簇的樣本在花萼長度和花瓣寬度之間存在明顯的差異。
聚類分析是一種有用的無監(jiān)督學習方法,可以幫助我們發(fā)現(xiàn)數(shù)據(jù)中隱藏的結(jié)構。在R中,我們可以使用層次聚類和K均值聚類等多種方法進行聚類分析。在進行聚類分析之前,我們需要準備好要分析的數(shù)據(jù)集,并選擇合適的聚類算法和參數(shù)。最后,我們可以通過樹狀圖、散點圖等方式來可視化聚類結(jié)果。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03