
聚類分析是一種常用的無(wú)監(jiān)督學(xué)習(xí)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(jìn)行聚類分析。
在進(jìn)行聚類分析之前,需要先準(zhǔn)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(gè)樣本,每列代表一個(gè)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(gè)樣本,每個(gè)樣本有4個(gè)特征:花萼長(zhǎng)度、花萼寬度、花瓣長(zhǎng)度和花瓣寬度。首先,我們需要從網(wǎng)絡(luò)上下載數(shù)據(jù)集并導(dǎo)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(gè)樹(shù)形結(jié)構(gòu),稱為樹(shù)狀圖。在R中,可以使用hclust
函數(shù)來(lái)執(zhí)行層次聚類分析。hclust
函數(shù)需要一個(gè)距離矩陣或相似性矩陣作為輸入,因此我們需要首先計(jì)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(lái)度量樣本之間的距離:
dist_mat <- dist(iris[, 1:4], method = "euclidean")
接下來(lái),我們可以使用hclust
函數(shù)對(duì)距離矩陣進(jìn)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(jìn)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(lái)繪制樹(shù)狀圖:
plot(hc_res)
從樹(shù)狀圖中可以看出,Iris數(shù)據(jù)集可以被分成3個(gè)主要簇。我們還可以使用cutree
函數(shù)將每個(gè)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(gè)簇??梢酝ㄟ^(guò)以下方式查看每個(gè)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(gè)不同的簇,使得每個(gè)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(lái)執(zhí)行K均值聚類分析。kmeans
函數(shù)需要指定要分成的簇?cái)?shù),并且通常需要多次運(yùn)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(gè)簇,nstart = 20
表示我們希
望執(zhí)行20次隨機(jī)初始化來(lái)避免局部最小值。
K均值聚類分析的輸出包括每個(gè)樣本所屬的簇標(biāo)簽和每個(gè)簇的中心點(diǎn)。我們可以通過(guò)以下方式查看分配到每個(gè)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(gè)主要簇,每個(gè)簇都有相似的特征值。
除了樹(shù)狀圖之外,我們還可以使用其他方法來(lái)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(diǎn)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(diǎn)圖可以看出,不同簇的樣本在花萼長(zhǎng)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(wú)監(jiān)督學(xué)習(xí)方法,可以幫助我們發(fā)現(xiàn)數(shù)據(jù)中隱藏的結(jié)構(gòu)。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(jìn)行聚類分析。在進(jìn)行聚類分析之前,我們需要準(zhǔn)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(guò)樹(shù)狀圖、散點(diǎn)圖等方式來(lái)可視化聚類結(jié)果。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)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(jì)的實(shí)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(qiáng)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(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)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(jià)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(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)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(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)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(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)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(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)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(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)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(dòng)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(guān)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(zhǔn)確性的基礎(chǔ) ...
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(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)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(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03