R语言 复习笔记（4）High Dimentional Visualization and Analysis

week 4
1 Movie rating data
1.1 Data precossing

1.2 Data input and IDA


1.3 Hierarchical clustering

hclust()： Hierarchical 聚类，method分3种：complete，single，average

cutree()： 将tree型结构进行剪枝，k是按组的个数剪枝，h是按tree的高度剪枝。


which如何赋值：
注意which赋值前，应该用as.matrix转换成matrix，再赋值

1.6 Kmeans

table()： 建立不同因子的个数统计值。
kmeans()： Kmeans聚类方法，centre可以是k，也可以是中心点。


prcomp()： pca的方法，注意scale=T
关于画图：
要画图，注意先转成dataframe
label这里要用factor
col不能放在外面，只有放在里面才会按label分类

1.7 Cluster statistics

lapply和sapply的区别： sapply返回一个list，lapply返回一个2维list。
tot.withinss： 分组总和，sum(withinss)
betweenss： 组间的平方和，totss – tot.withinss
寻找他们两个的平衡点，应该是最好的k



2 Author by word count
2.1 Data Input

2.2 PCA

2.3 t-SNE

t-SNE t分布随机邻域嵌入是一种用于探索高维数据的非线性降维算法。
Rtsne： 注意里面的perplexity混乱程度，可以调，默认dims是2维。要取Y的值，才是取得pca。
要画图先转data frame
ggplot加标题是ggtitle。
一起画图是用的lapply函数

2.4 MDS

构建不同方法的distance

cmdscale()： 构建mds
这里主要要修改attr，方便之后的method绘图


2.5 Compare and contrast