layui 树状图默认全部展开_11.11 其他图形：聚类图

参考自《R Graphics Cookbook》

绘制谱系图(Dendrogram)，即聚类分析的树状图。过程是将一组带有多个自变量的观测(样本)，依据其在n维空间内(n是自变量数目)中的距离，依据一定的距离算法和类别间距离的算法，将观测样本归为若干类的过程。可视化的时候长得比较像分开的树枝，所以就叫树或者树图。

本例使用一个含有四个自变量的数据绘制谱系聚类图。

使用自带的hclust函数进行聚类和绘图。

library(dplyr)

library(tidyr)

library(gcookbook)

#因为谱系图每次的结果都可能不同，因此需要设置一个种子将这次的模型保存

set.seed(392)

一、 对数据进行清洗

c2 <- countries %>%

filter(Year == 2009) %>% # 选取2009年的数据

drop_na() %>% # 删除带NA的行

sample_n(25) # 随机选择25行数据(25个观测值)

#查看数据

c2

#继续清洗数据：将变量Name作为行名（样本名），只保留4：7列的数据（4个自变量）

rownames(c2) <- c2$Name

c2 <- c2[, 4:7]

#再次查看

c2

#因为4个自变量间数量级的差别太大，影响计算距离时各自权重，因此需要将其保准化

c3 <- scale(c2)

#再次查看数据

c3

二、聚类树建模

#聚类

hc <- hclust(dist(c3))

# 可视化聚类树状图

plot(hc)

# 将树下的文本顶端对齐

plot(hc, hang = -1)

三、基本原理

#聚类分析是将样本分成不同类别的过程，而本节展示的是层次聚类，即聚类的过程中是一层依附于上一层，按照层次逐渐聚类，每一个小类都属于某一个大类。

#聚类分析中有很多参数可以设置，因此产生很多的选择，比如计算距离可以使用euclidean算法(默认)，还可以有maximum等多种算法选择，另外在进行聚类时用哪种算法计算各类间的距离也有很多选择。不同的参数和方法选择可能带来不同的聚类结果.

#还有一点需要注意是如果自变量间的数值量级有差异，需要进行标准化，否则大量级的变量会对距离计算产生过大的影响，而导致距离的不准确.

#聚类树与分类树等机器学习的方法类似，可参考R语言实战等资料。