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