r语言聚类分析_R语言机器学习 | 10 聚类分析

“物以类聚，人以群分”， 聚类分析(clustering analysis)顾名思义就是根据样本的一些特征对其进行类别的划分。首先，要注意“聚类分析”和“判别分析(discriminant analysis)”的差异，在判别分析中讲到，“分类”是指在有特征(X)有标签(Y)的情况下对样本进行分类；而聚类分析是在只有一系列特征(X1,X2...Xn)，没有标签Y的情况下的对样本进行聚类。因此，在机器学习语境下， 聚类属于典型的“无监督学习”，相比之下， 分类(判别)就是“有监督学习”。如何对只有特征而没有标签的一系列样本进行聚类？在心理统计学中通常会介绍“距离”和“相似性”两种聚类的方法。前者我们在距离判别法的介绍中也有所提及，简而言之， 两个点距离越远则相似性越低，越不可能是同一类，而距离越近则相似性越高，越可能是同一类。常见的距离包括欧氏距离、马氏距离等，在距离判别法一讲中都有介绍。相似性则与距离相反，使用的是相关系数、夹角余弦等指标进行度量，相关系数越高，越可能是同一类。 下面介绍两类常见的聚类分析方法：层次聚类和K-means聚类(也叫快速聚类)。

1  层次聚类(hierarchical clustering)

这一种聚类的思想是 利用距离或相似性自行聚类。比如说，先把每个样本看做单独一类，然后每次都把最相似的样本聚在一起，直到最终只剩一个类别(也叫 聚集