通过R语言对数据进行聚类分析

聚类分析是将数据根据相似特征分类到不同的类或簇，用以对数据进行区分。
1.聚类（K-means）
通过数据中每个数值间的距离进行聚类，是一种纵向聚类，将样本数据据成类型，用以对数据的特征进行区分。
（1）读取数据

data = read.csv("  ")
cludata <- data[complete.cases(data), ]  # 去除重复值数据
str(data)

（2）设置运行结果生成图片查看数据分布

boxplot(data)

（3）设定随机数采用K-means聚类：寻找类中心

set.seed(12345)
clur <- kmeans(x = data, centers =“类中心个数”, nstart = 4)
str(clur)

（4）查看运行的csv文件结果并输出为csv文件

head(clur)
clur$size
clur$centers
write.csv(clur$`cluster`, "cluster.csv")

2.横向聚类
通过对数值对变量进行聚类，判断哪些变量属于相同的类型，理解为横向聚类。谱系聚类包含：最长距离聚类、最短距离聚类、单一聚类、最大似然法聚类。最长距离聚类是指按照变量间的远近程度，进行聚类 ，以某点为基准，距离最远的判断是1类。最短距离聚类，是以某个点为基准，谁离得聚类相同聚为1类。单一聚类，将每个数据点视为一个单一的簇，然后选择一个测量两个簇之间距离的度量标准，进行聚类。最大似然法聚类，运用的最大概似估计，以概率来估计一个变量类属。
（1）读取数据

data = read.csv("路径/文件名.csv")

（2）数据处理转换

r = cor(data)
d <- as.dist(1-r)  

（3）进行谱系聚类

hc1 <- hclust(d, "single"); hc2 <- hclust(d, "complete") 
hc3 <- hclust(d, "median"); hc4 <- hclust(d, "mcquitty") 
opar <- par(mfrow = c(2, 2))
plot(hc1, hang = -1); plot(hc2, hang = -1)
plot(hc3, hang = -1); plot(hc4, hang = -1)
par(opar)
dev.off()