聚类分析
今天给大家展示基于R语言的聚类，在此之前呢，首先谈谈聚类分析，以及常见的聚类模型，说起聚类我们都知道，就是按照一定的相似性度量方式，把接近的一些个体聚在一起。这里主要是相似性度量，不同的数据类型，我们需要用不同的度量方式。除此之外，聚类的思想也很重要，要是按照聚类思想来说，主要有这么几大类，第一大类是基于分割的聚类，比如k-means，以及按照这个思路进行了简单扩展的几个聚类，如k-median等。第二大类呢，就是层次聚类，它其实是把个体之间的关系进行了一个层次展示，具体聚为几类，由人为进行设定。第三大类呢，就是基于密度的聚类，这里不要讲基于密度的聚类和基于概率密度分布的聚类相混淆，这其实是一样的，比如混合模型，就是基于概率分布的聚类，而dbscan就是基于密度的聚类，实际上，这里密度是指一指局部密度，而不是概率密度分布。那么第四大类呢，就是基于概率密度分布的聚类，这一类聚类方法主要是假设数据来自某个概率分布，或者是某几个概率分布的组合，进而进行参数估计，确定分布的样子，再反过来看看，样本点属于哪一类。那么第五大类呢，是矩阵的分解（Nonnegative Matrix Factorizations ），这一大类其实和之前的几类明显不同，比如SVD分解，或者其他的分解其实在文本挖掘或者推荐算法里边都属于聚类。最后一大类就是谱聚类了。下面我们用R语言进行一下计算。
#要是没有这个包的话，首先需要安装一下
#install.packages("factoextra")
#载入包
library(factoextra)
# 载入数据
data("USArrests")
# 数据进行标准化
df <- scale(USArrests)
# 查看数据的前五行
head(df, n = 5)
Murder Assault UrbanPop Rape
Alabama 1.24256408 0.7828393 -0.5209066 -0.003416473
Alaska 0.50786248 1.1068225 -1.2117642 2.484202941
Arizona 0.07163341 1.4788032 0.9989801 1.042878388
Arkansas 0.23234938 0.2308680 -1.0735927 -0.184916602
California 0.27826823 1.2628144 1.7589234 2.067820292
#确定最佳聚类数目
fviz_nbclust(df, kmeans, method = "wss") + geom_vline(xintercept = 4, linetype = 2)
#可以发现聚为四类最合适，当然这个没有绝对的，从指标上看，选择坡度变化不明显的点最为最佳聚类数目。
#设置随机数种子，保证实验的可重复进行
set.seed(123)
#利用k-mean是进行聚类
km_result <- kmeans(df, 4, nstart = 24)
#查看聚类的一些结果
print(km_result)
#提取类标签并且与原始数据进行合并
dd <- cbind(USArrests, cluster = km.res$cluster)
head(dd)
Murder Assault UrbanPop Rape cluster
Alabama 13.2 236 58 21.2 4
Alaska 10.0 263 48 44.5 3
Arizona 8.1 294 80 31.0 3
Arkansas 8.8 190 50 19.5 4
California 9.0 276 91 40.6 3
colorado 7.9 204 78 38.7 3
#查看每一类的数目
table(dd$cluster)
1 2 3 4
13 16 13 8
#进行可视化展示
fviz_cluster(km_result, data = df,
palette = c("#2E9FDF", "#00AFBB", "#E7B800", "#FC4E07"),
ellipse.type = "euclid",
star.plot = TRUE,
repel = TRUE,
ggtheme = theme_Minimal()
)结果如下：
一般来说，能够对数据聚类后进行可视化展示的也就是二维，三维数据，如果维度很高的话，一种方法是t-SNE方法，这种方法是按照流型的方法进行可视化，用的比较多。另一种的话，就是利用降维方法，比如主成分分析等，进行降维后可视化展示。
下面我们进行层次聚类
#先求样本之间两两相似性
result <- dist(df, method = "euclidean")
#产生层次结构
result_hc <- hclust(d = result, method = "ward.D2")
#进行初步展示
fviz_dend(result_hc, cex = 0.6)结果如下：
根据这个图，我们可以方便的确定聚为几类比较合适，比如我们聚为四类，并且进行可视化展示
fviz_dend(result_hc, k = 4,
cex = 0.5,
k_colors = c("#2E9FDF", "#00AFBB", "#E7B800", "#FC4E07"),
color_labels_by_k = TRUE,
rect = TRUE
)效果如下：
好，今天就到这，明天继续展示其它几类聚类方法，以及图的制作。
相关阅读
列表内容 系统以菜单方式工作 学生信息录入功能（学生信息用文件保存）—输入 学生信息浏览功能——输出 查询、排序功能——算法 1
递归调用，简而言之就是函数调用自身。执行递归函数将反复调用其自身，每调用一次就进入新的一层。递归的原理比较简单，但是想要合理并
学习交流加（可免费帮忙下载CSDN资源）： 个人微信： liu1126137994 学习交流资源分享qq群1（已满）： 962535112 学习交流资源分享qq群2： 780
早先我们报道过，任天堂在香港注册了Nintendo Switch的商标，也就意味着其将会推出港版的Switch，今日在这款新主机公布了发售日和价格
整理了一部分C语言的学习资料（持续更新），包括入门书籍，算法精炼，数据结构。资料的格式是pdf格式，先附上该文档的阅读器，供大家下载使用。