clustMD r语言_利用R语言如何聚类

这篇文章主要介绍几种聚类方法并将其优劣对比,参考《R语言与数据挖掘，最佳实践和经典案例》

本篇文章以让采用鸢尾花数据进行分析.首先要从iris数据集中移除species属性，在下面的代码中，簇的数目设置为3

1、k-means聚类

K-means聚类也称为快速聚类，k-means聚类涉及两个主要方面的问题。：第一，如何测试样本的“亲疏程度”；第二，如何进行聚类。通常，“亲疏程度”的测度有两个角度：第一，数据间的相似程度；第二，数据间的差异程度。衡量相似程度一般可采用简单相关系数或等级相关系数，差异程度一般通过某种距离来测度。k-means聚类方法采用第二个测度角度。k-means聚类的基本思想是先将样本空间分割成随意的若干类，然后计算所有样本点到各类中的距离，由于初始聚类结果是在空间随意分割的基础上产生的，因此无法确保所给出的聚类解满足上述要求，所以要经过多次反复。聚类数目确定本身并不简单，太大或太小都会失去聚类的意义。由于距离是k-means聚类的基础，因此也要注意：1、当聚类变量值有数量级上的差异时，一般通过标准化处理消除变量的数量级差异。2、聚类变量之间不应该有较强的线性相关关系。

iris2

iris2$Species

kmeans.result

2

31

2

3

将聚类结果与species进行比较

table(iris$Species,kmeans.result$cluster)11

1 2 3

setosa 0 50 0

versicolor 48 0 2

virginica 14 0 361

2

3

41

2

3

4

绘制所有簇以及簇中心，值得注意的是多次运行得到的k-means聚类结果可能不同，因为初始的簇中心是随机选择的

plot(iris2[c("Sepal.Length", "Sepal.Width")], col = kmeans.result$cluster)

points(kmeans.result$centers[,c("Sepal.Length", "Sepal.Width")], col = 1:3, pch = 8, cex=2)1

21

2

2、k-medoids聚类

又被称为K-中心点聚类。函数pam()和pamk()都可以进行k-medoids聚类，k-medoids聚类与k-means聚类类似，主要区别是k-means聚类选择簇中心表示聚类簇，而k-medoids聚类选择靠近簇中心的对象表示聚类簇，在含有离群点的情况下，k-medoids聚类的鲁棒性更好，不像k-means聚类容易受极值影响。

library(fpc)

iris2

iris2$Species

pamk.result

pamk.result$nc #簇个数1

2

3

4

51

2