R型聚類分析是聚類分析的一種，一般對指標進行分類。
在實際工作中，為了避免漏掉某些重要因素，往往在一開始選取指標的時候盡可能考慮所有的相關因素，而這樣做的結果，則是變量過多，變量間的相關度較高，給統計分析與建模帶來極大不便，因此人們希望能夠研究變量間的相似關系，按照變量的相似關系把他們聚合成若干類，進而找出影響系統的主要因素，引入了R型聚類方法。
方便自己比賽，寫之。
舉例：
服裝標准制定中的變量聚類法：
以下表格是女子14個部位的測量資料，各部位的相關系數表，其中，x1為上身長，x2位手臂長，x3為胸圍，x4為頸圍，x5為總肩寬，x6為總胸寬，x7為后背寬，x8為前腰節高，x9為后腰節高，x10為全身長，x11為身高，x12為下身長，x13為腰圍，x14為臀圍。
計算Matlab程序如下：
%把下三角相關系數矩陣粘貼到純文本文件ch.txt中 clc,clear a=textread('ch.txt'); d=1-abs(a); %進行數據變換，把相關系數轉化為距離 d=tril(d); %提出d矩陣的下三角部分 b=nonzeros(d); %去掉d中的0元素 b=b'; %化成行向量 z=linkage(b,'complete'); %按最長距離法聚類 y=cluster(z,'maxclust',2);%把變量划分成兩類，注:也可3類，底下記得修改 ind1=find(y==1); %顯示第一類對應的變量編號 ind2=find(y==2); %顯示第二類對應的變量編號 ind1=ind1'; ind2=ind2'; h=dendrogram(z); %畫聚類圖 ind1,ind2 set(h,'Color','k','LineWidth',2.0);%把聚類圖線的顏色修改成黑色，線寬加粗
聚類結果：
ind1 = 1 2 8 9 10 11 12
ind2 = 3 4 5 6 7 13 14
可以看出，人體變量大體可以分為兩類：一類反應人體高矮的變量，一類反應人體胖瘦的變量。
————————————————
版權聲明：本文為CSDN博主「hongiii」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/wyh7280/article/details/48176141