《R语言与农业数据统计分析及建模》学习——聚类分析

        聚类分析时一种分类技术。与回归分析、判别分析被一起成为多元分析的三大方法。根据分类的方法可将聚类分析分为：层次聚类、快速聚类等。

1、层次聚类

        （1）定义每个观测值（行或单元）为一类

        （2）计算每类和其他各类的距离

        （3）把距离最短的两类合并成一类，这样类的个数就减少一个

        （4）重复步骤（2）（3），知道包含所有观测值的类型合并成单个类为止。

2、快速聚类

        （1）选择K个中心点（随机选择K行）

        （2）把每个数据点分配到离它最近的中性点

        （3）重新计算每类中的点到该类中心点距离的平均值

        （4）分配每个数据到它最近的中心点

        （5）重复步骤（3）（4）直到所有观测值不再被分配或达到最大迭代次数（R默认10次）

3、R语言实现

        以flexclust包中的nutrient数据集为例，进行聚类分析。Nutrient数据集内容是27个不同种类的肉的5个成分含量。

（1）载入数据集

# 安装flexclust包
install.packages("flexclust")
# 载入flexclust包
library(flexclust)
# 载入nutrient数据集
data(nutrient)

（2）数据预处理 

        数据标准化：最常用的方法是将每个变量标准化为均值为0、标准差为1的变量，使用scale()函数。

# 展示行名称
row.names(nutrient)
# 将行名改为小写字母，保证命名的一致性
row.names(nutrient)<-tolower(row.names(nutrient))
# 查看数据
head(nutrient)
# 由于不同变量的变化范围不同，量纲不同，标准化数据有利于均衡各变量的影响
nutrient_scaled<-scale(nutrient)
head(nutrient_scaled)

（3）层次聚类

        dist()函数能够用来计算数据框所有行之间的距离

        层次聚类方法可以用hclust()函数来实现：hclust(d,method=)，d为dist()函数产生的距离。

# 计算矩阵或数据框中所有行之间的距离，默认欧几里得距离
d<-dist(nutrient_scaled)
# 层次聚类
fit_average<-hclust(d,method="average")
# 可视化
plot(fit_average,hang=-1,main="Average Linkage Clustering")

（4）快速聚类

        快速聚类法，又称为K均值（K-means）法。

        使用kmeans()函数来实现快速聚类：kmeans(d,centers)，d为dist()产生的距离矩阵，centers是要提取的聚类数据。

library(factoextra)
# 计算举证距离
d<-dist(nutrient_scaled)
# 以分类为3进行聚类
k_means<-kmeans(d,3)
# 可视化
fviz_cluster(k_means,nutrient_scaled)