R 多变量数据预处理_R语言进阶之聚类分析

R语言拥有大量和聚类分析相关的函数，在这里我主要会和大家介绍K-means聚类、层次聚类和基于模型的聚类。

1. 数据预处理

在进行聚类分析之前，你需要进行数据预处理，这里主要包括缺失值的处理和数据的标准化。我们仍然以鸢尾花数据集（iris）为例进行详细讲解：

# 数据预处理
mydata <- iris[,1:4] # 只提取前4列数据，不包括类别这个变量
mydata <- na.omit(mydata) # 删除缺失值
mydata <- scale(mydata) # 数据标准化

2. K-means聚类

在聚类分析中，K-means聚类算法是最常用的，它需要分析者先确定要将这组数据分成多少类，也即聚类的个数，这个通常可以用因子分析的方法来确定。比如我们可以用“nFactors”包的函数来确定最佳的因子个数，将因子数作为聚类数，不过关于聚类个数的确定还要考虑数据的实际情况与自身需求，这样分析才会更具有现实意义。 另外，我们也可以通过绘制碎石图来确定聚类个数，这和主成分的思想相似。

# 利用碎石图确定聚类个数
wss <- (nrow(mydata)-1)*sum(apply(mydata,2,var)) # 计算离均差平方和
for (i in 2:15) wss[i] <- sum(kmeans(mydata, 
   centers=i)$withinss) #计算不同聚类个数的组内平方和
plot(1:15, wss, type="b", xlab="Number of Clusters",
  ylab="Within gro