R语言基于主成分的层次聚类：要点之不同选择

最新推荐文章于 2024-07-08 22:31:54 发布

「已注销」

最新推荐文章于 2024-07-08 22:31:54 发布

阅读量106

点赞数

文章标签： r语言聚类开发语言

本文链接：https://blog.csdn.net/m0_38127487/article/details/132087309

版权

library(FactoMineR)
# Compute PCA with ncp = 3
res.pca <- PCA(USArrests, ncp = 3, graph = FALSE)
# Compute hierarchical clustering on principal components
res.hcpc <- HCPC(res.pca, graph = FALSE)
fviz_dend(res.hcpc, 
          cex = 0.7,                     # Label size
          palette = "jco",               # Color palette see ?ggpubr::ggpar
          rect = TRUE, rect_fill = TRUE, # Add rectangle around groups
          rect_border = "jco",           # Rectangle color
          labels_track_height = 0.8      # Augment the room for labels
)

在这里插入图片描述

# Principal components + tree
plot(res.hcpc, choice = "3D.map")

在这里插入图片描述

plot(res.hcpc, choice = "tree")

在这里插入图片描述

plot(res.hcpc, choice = "bar")

在这里插入图片描述

plot(res.hcpc, choice = "map")

在这里插入图片描述
参考文献:http://www.sthda.com/english/articles/31-principal-component-methods-in-r-practical-guide/117-hcpc-hierarchical-clustering-on-principal-components-essentials/
开发工具:RStudio和微信Alt+A截屏工具