### 聚类距离的度量 ###
mtcars_sub <- mtcars[,c("disp","hp")] # 提取数据子集
df_scale <- scale(mtcars_sub) # 标准化处理
dist_eucl <- dist(df_scale) # 计算各样本间的距离矩阵,默认为欧氏距离
round(as.matrix(dist_eucl)[1:3,1:3],1) # 查看前三个样本间的距离矩阵
df_scale[1:3,] #查看前三个样本标准化后的数据
# 计算Mazda RX4与Datsun 710的距离
round(sqrt(sum((df_scale[1,1]-df_scale[3,1])^2+
(df_scale[1,2]-df_scale[3,2])^2)),1)
# factoextra包get_dist函数
library(factoextra) # 加载包
dist_eucl1 <- get_dist(mtcars_sub) # stand参数默认为FALSE
round(as.matrix(dist_eucl1)[1:3,1:3],1) # 查看前三个样本间的距离矩阵
dist_eucl2 <- get_dist(mtcars_sub,stand = TRUE) # 将stand参数设置为TRUE
round(as.matrix(dist_eucl2)[1:3,1:3],1)
# 计算皮尔逊距离
dist_cor <- get_dist(mtcars_sub,method = "pearson",stand = T
R语言进行聚类分析—时间序列的模糊聚类:k-means,pam,fcm,HC,DBSCAN,EM
于 2024-07-13 19:55:13 首次发布