标签：pork 16 -- average 个数 观测 聚类 一类 聚类分析
层次聚类分析
在层次聚类中，起初每一个实例或观测值属于一类。聚类就是每一次把两类聚成新的一类，直到所有的类聚成单个类为止，算法如下：
(1) 定义每个观测值（行或单元）为一类；
(2) 计算每类和其他各类的距离；
(3) 把距离最短的两类合并成一类，这样类的个数就减少一个；
(4) 重复步骤(2)和步骤(3)，直到包含所有观测值的类合并成单个的类为止。
层次聚类方法
单联动聚类方法倾向于发现细长的、雪茄型的类。它也通常展示一种链式的现象，即不相似的观测值分到一类中，因为它们和它们的中间值很相像。全联动聚类倾向于发现大致相等的直径紧凑类。它对异常值很敏感。平均联动提供了以上两种方法的折中。相对来说，它不像链式，而且对异常值没有那么敏感。它倾向于把方差小的类聚合。
Ward法倾向于把有少量观测值的类聚合到一起，并且倾向于产生与观测值个数大致相等的类。它对异常值也是敏感的。质心法是一种很受欢迎的方法，因为其中类距离的定义比较简单、易于理解。
层次聚类方法可以用hclust()函数来实现，格式是hclust(d, method=)，其中d是通过dist()函数产生的距离矩阵，并且方法包括 "single"、"complete"、"average"、"centroid"和"ward"。
（1）营养数据的平均联动聚类：
data(nutrient, package="flexclust")
row.names(nutrient) <- tolower(row.names(nutrient)) #将行名改为小写（个人习惯）
nutrient.scaled <- scale(nutrient) #标准化为均值为0、方差为1
d <- dist(nutrient.scaled) #27种食物之间的距离采用欧几里得距离，默认为欧几里得距离
fit.average <- hclust(d, method="average") # hclust()做层次聚类，应用的方法是平均联动
plot(fit.average, hang=-1, cex=.8, main="Average Linkage Clustering")
#plot()函数中的hang命令展示观测值的标签（让它们在挂在0下面）
结果分析：树状图应该从下往上读，它展示了这些条目如何被结合成类。每个观测值起初自成一类，然后相距最近的两类（beef braised和smoked ham）合并。其次，pork roast和pork simmered合并，chicken canned和tuna canned合并。再次，beef braised/smoked ham这一类和pork roast/pork simmered这一类合并（这个类目前包含四种食品）。合并继续进行下去，直到所有的观测值合并成一类。高度刻度代表了该高度类之间合并的判定值。对于平均联动来说，标准是一类中的点和其他类中的点的距离平均值。
NbClust包提供了众多的指数来确定在一个聚类分析里类的最佳数目。不能保证这些指标得出的结果都一致。事实上，它们可能不一样。但是结果可用来作为选择聚类个数K值的一个参考。NbClust()函数的输入包括需要做聚类的矩阵或是数据框，使用的距离测度和聚类方法，并考虑最小和最大聚类的个数来进行聚类。它返回每一个聚类指数，同时输出建议聚类的最佳数目。下面的代码清单使用该方法处理营养数据的平均联动聚类。
（2）选择聚类的个数
install.packages("NbClust")
library(NbClust)
devAskNewPage(ask=TRUE)
nc <- NbClust(nutrient.scaled, distance="euclidean", min.nc=2, max.nc=15, method="average")
table(nc$Best.n[1,]) #看分组的支持数
结果分析：这里，四个评判准则赞同聚类个数为2，四个判定准则赞同聚类个数为3，等等。
barplot(table(nc$Best.n[1,])) #画图
结果分析：横坐标是分组数，纵坐标是支持数，（举例：建议分成2组的，有4个支持），可以试着用“投票”个数最多的聚类个数（2、3、5和15）并选择其中一个使得解释最有
意义。下面的代码清单展示了五类聚类的方案。
clusters<-cutree(fit.average,k=5) #分成5组
table(clusters) #分配情况
结果分析：第一类有7个观测值，第二类有16个观测值，等等。
aggregate(nutrient,by=list(cluster=clusters),median) #原始度量
#描述聚类，aggregate()函数用来获取每类的中位数
结果分析：总共是5类，每一类都有一个明显的特征，可以看数值的大小
aggregate(as.data.frame(nutrient.scaled), by=list(cluster=clusters), median) #标准度量
plot(fit.average, hang=-1, cex=.8,
main="Average Linkage Clustering\n5 Cluster Solution") #显示绘图结果
rect.hclust(fit.average, k=5) #rect.hclust()函数用来叠加五类的解决方案
结果分析：sardines canned形成自己的类，因为钙比其他食物组要高得多。beef heart也是单独成类，是因为富含蛋白质和铁。clams类是低蛋白和高铁的。从beef roast到pork simmered的类中，所有项目都是高能量和高脂肪的。最后，最大的类（从mackerel canned到bluefish baked）含有相对较低的铁。
标签：pork,16,--,average,个数,观测,聚类,一类,聚类分析 来源： https://www.cnblogs.com/YY-zhang/p/15138134.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。