R之聚类分析法

什么是聚类分析？

聚类分析(cluster analysis)是把研究对象(样本或变量)分组成为由类似的对象组成多个类的一种统计方法。聚类分析根据对象不同氛围两类：

• Q型聚类分析：对样本进行聚类
• R型聚类分析：对变量进行聚类

一般情况下，使用Q型聚类分析法。

如何量化相似性？

相似性度量一般分为两种：

• 距离：常用来度量样本
• 相似系数：常用来度量变量

样本变量分类：

• 间隔尺度变量：连续型变量
• 名义尺度变量：类别变量
• 有序尺度变量：优劣变量

距离

• Minkowski距离，即明氏距离
• 兰氏距离,canberra
• 马氏距离
• 斜交空间距离

以上几种距离一般要求变量是间隔适度的，如果是名义或有序尺度变量的情况，则要用其它距离定义。

相似系数

• 夹角余弦
• 相关系数

系统聚类法

系统聚类法是聚类分析方法中最常用的一种，其基本思想是：开始将n个样品各自作为一类，并规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类之间的距离；重复，直至所有的样品合并为一类。
八种聚类分析法：

• 最短距离法，single linkage method
• 最长距离法，complete linkage method
• 中间距离法，median method
• 类平均法，average linkage method
• 重心法，centroid hierarchical method
• 离差平方和法，ward method

操作

rdist(x,method = "euclidean", diag=FALSE, upper=FALSE, p=2)  #距离阵

x为数据矩阵，数据框.
method为计算方法，包括"euclidean","maximum","manhattan","canberra","binary","minkowski".
diag为是否包含对角线元素.
upper为是否需要上三角.
p为Minkowski距离的幂次.

rhclust(d, method="complete",...) #系统聚类函数

d为距离阵. d <- dist(x)
method为系统聚类方法，包括"ward","single","complete","average","mcquitty","median",or"centroid".