#以R基礎包自帶的鳶尾花(Iris)數據進行聚類分析
iris data <- iris[,1:4] #系統聚類法(層次聚類法) distance <- dist(data) #計算距離 iris.hc <- hclust(distance) #聚類分析，計算距離方法是complete plot( iris.hc, hang = -1) #繪畫系譜圖 re <- rect.hclust(iris.hc, k = 3) #分為三類 iris.id <- cutree(iris.hc, 3) #生成列聯表 將iris.id與iris中Species作比較發現：1應該是setosa類，2應該是virginica類(因為virginica的個數明顯多於versicolor)，3是versicolor。 table(iris.id, iris$Species) iris.hc1 <- hclust(distance,method="single") plot(iris.hc1, hang = -1) #繪畫系譜圖 re1 <- rect.hclust(iris.hc1, k = 3) #分為三類 iris.hc2 <- hclust(distance,method="ward.D") plot(iris.hc2, hang = -1) #繪畫系譜圖 re2 <- rect.hclust(iris.hc2, k = 3) #分為三類 iris.id2 <- cutree(iris.hc2, 3) table(iris.id2, iris$Species) iris.hc3 <- hclust(distance,method="ward.D2") plot(iris.hc3, hang = -1) #繪畫系譜圖 re3 <- rect.hclust(iris.hc3, k = 3) #分為三類 iris.hc4 <- hclust(distance,method="average") plot(iris.hc4, hang = -1) #繪畫系譜圖 re4 <- rect.hclust(iris.hc4, k = 3) #分為三類 #plclust( iris.hc, labels = FALSE, hang = -1) #不推薦使用 # dist <- dist(data.frame(id=c(1,1,1,1),a=c(1,2,4,6),b=c(1,1,2,3),c=c(1,1,2,3))) #動態聚類(逐步聚類法) library("fpc") kmeans <- kmeans(na.omit(data), 3) plotcluster(na.omit(data), kmeans$cluster)
此處暫不截屏顯示結果！