原文链接：http://tecdat.cn/?p=22838
原文出处：拓端数据部落公众号
问题：使用R中的鸢尾花数据集
(a)部分：k-means聚类
使用k-means聚类法将数据集聚成2组。
画一个图来显示聚类的情况
使用k-means聚类法将数据集聚成3组。
画一个图来显示聚类的情况
(b)部分：层次聚类
使用全连接法对观察值进行聚类。
使用平均和单连接对观测值进行聚类。
绘制上述聚类方法的树状图。
问题01：使用R中建立的鸢尾花数据集。
(a)：k-means聚类
讨论和/或考虑对数据进行标准化。
- data.frame(
- "平均"=apply(iris[,1:4], 2, mean
- "标准差"=apply(iris[,1:4], 2, sd)
在这种情况下，我们将标准化数据，因为花瓣的宽度比其他所有的测量值小得多。
使用k-means聚类法将数据集聚成2组
使用足够大的nstart，更容易得到对应最小RSS值的模型。
kmean(iris, nstart = 100)画一个图来显示聚类的情况
- # 绘制数据
- plot(iris, y = Sepal.Length, x = Sepal.Width)
为了更好地考虑花瓣的长度和宽度，使用PCA首先降低维度会更合适。
- # 创建模型
- PCA.mod<- PCA(x = iris)
- #把预测的组放在最后
- PCA$Pred <-Pred
- #绘制图表
- plot(PC, y = PC1, x = PC2, col = Pred)
为了更好地解释PCA图，考虑到主成分的方差。
- ## 看一下主要成分所解释的方差
- for (i in 1:nrow) {
- pca[["PC"]][i] <- paste("PC", i)
- }
plot(data = pca,x = 主成分, y = 方差比例, group = 1)
数据中80%的方差是由前两个主成分解释的，所以这是一个相当好的数据可视化。
使用k-means聚类法将数据集聚成3组
在之前的主成分图中，聚类看起来非常明显，因为实际上我们知道应该有三个组，我们可以执行三个聚类的模型。
- kmean(input, centers = 3, nstart = 100)
- # 制作数据
- groupPred %>% print()
画一个图来显示聚类的情况
- # 绘制数据
- plot(萼片长度,萼片宽度, col =pred)
PCA图
为了更好地考虑花瓣的长度和宽度，使用PCA首先减少维度是比较合适的。
- #创建模型
- prcomp(x = iris)
- #把预测的组放在最后
- PCADF$KMeans预测<- Pred
- #绘制图表
- plot(PCA, y = PC1, x = PC2,col = "预测\n聚类", caption = "鸢尾花数据的前两个主成分，椭圆代表90%的正常置信度，使用K-means算法对2个类进行预测") +
PCA双曲线图
萼片长度~萼片宽度图的分离度很合理，为了选择在X、Y上使用哪些变量，我们可以使用双曲线图。
biplot(PCA)
这个双曲线图显示，花瓣长度和萼片宽度可以解释数据中的大部分差异，更合适的图是：
plot(iris, col = KM预测)评估所有可能的组合。
- iris %>%
- pivot_longer() %>%
- plot(col = KM预测, facet_grid(name ~ ., scales = 'free_y', space = 'free_y', ) +
层次聚类
使用全连接法对观测值进行聚类。
可以使用全连接法对观测值进行聚类（注意对数据进行标准化）。
hclust(dst, method = 'complete')使用平均和单连接对观察结果进行聚类。
- hclust(dst, method = 'average')
- hclust(dst, method = 'single')
绘制预测图
现在模型已经建立，通过指定所需的组数，对树状图切断进行划分。
- # 数据
- iris$KMeans预测<- groupPred
- # 绘制数据
- plot(iris,col = KMeans预测))
绘制上述聚类方法的树状图
对树状图着色。
- type<- c("平均", "全", "单")
- for (hc in models) plot(hc, cex = 0.3)
最受欢迎的见解
3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
5.Python Monte Carlo K-Means聚类实战
7.用于NLP的Python：使用Keras的多标签文本LSTM神经网络