多元统计分析：聚类分析

简介

步骤

1. 选择距离公式

代码语言：javascript复制

dist(X, method = "euclidean", p = 2)

method 有 euclidean, maximum, manhattan, canberra, (binary 或 minkowski) p 为 Minkowski 距离的幂次，默认为 p = 2（欧氏距离）

1. 明氏距离（Minkowski）

明氏距离 分为： 当 q = 1 时 ---> 绝对值距离（Manhattan） 当 q = 2 时 ----> 欧氏距离（Euclidean） 当

q=∞

时 -----> 切比雪夫距离（Maximum）

1. 马氏距离（Manhattan）
2. 兰氏距离（Canberra）

PS：TODO：突然发现 马氏距离和绝对值距离的英文怎么一样

2. 选择系统聚类方法

系统聚类法（Hierachical Clustering Method）

代码语言：javascript复制

hclust(D, method = "complete", ...)

method 有 single, complete, average, mcquitty, median, centroid, ward.D, ward.D2 D 为 相似矩阵，通常为 距离矩阵

1. 最短距离法（single）

2. 最长距离法（complete）

3. 中间距离法（median）

4. 类平均法（average）

5. 重心法（centroid）

6. 离差平方和法（Ward）

3. 聚类图

代码语言：javascript复制

plot(hc)

4. 分类框

代码语言：javascript复制

# 注意；分类框一定要与plot一起执行，因为是要 加在聚类图上
plot(hc);rect.hclust(hc, 4) # 分4类 加4分类框

5. 分类结果

代码语言：javascript复制

cutree(hc, 4) # 分4类 显示分类结果

Q&A

补充

参考

• 《多元统计分析与R语言建模》（第五版）王斌会
• 本文作者： yiyun
• 本文链接： https://moeci.com/posts/分类-数据分析/分类-杂记/cluster-analysis/
• 版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！

analysis average binary median

0 人点赞