R型聚类分析是聚类分析的一种，一般对指标进行分类。
在实际工作中，为了避免漏掉某些重要因素，往往在一开始选取指标的时候尽可能考虑所有的相关因素，而这样做的结果，则是变量过多，变量间的相关度较高，给统计分析与建模带来极大不便，因此人们希望能够研究变量间的相似关系，按照变量的相似关系把他们聚合成若干类，进而找出影响系统的主要因素，引入了R型聚类方法。
方便自己比赛，写之。
举例：
服装标准制定中的变量聚类法：
以下表格是女子14个部位的测量资料，各部位的相关系数表，其中，x1为上身长，x2位手臂长，x3为胸围，x4为颈围，x5为总肩宽，x6为总胸宽，x7为后背宽，x8为前腰节高，x9为后腰节高，x10为全身长，x11为身高，x12为下身长，x13为腰围，x14为臀围。
计算Matlab程序如下：
%把下三角相关系数矩阵粘贴到纯文本文件ch.txt中
clc,clear
a=textread('ch.txt');
d=1-abs(a); %进行数据变换，把相关系数转化为距离
d=tril(d); %提出d矩阵的下三角部分
b=nonzeros(d); %去掉d中的0元素
b=b'; %化成行向量
z=linkage(b,'complete'); %按最长距离法聚类
y=cluster(z,'maxclust',2);%把变量划分成两类，注:也可3类，底下记得修改
ind1=find(y==1); %显示第一类对应的变量编号
ind2=find(y==2); %显示第二类对应的变量编号
ind1=ind1';
ind2=ind2';
h=dendrogram(z); %画聚类图
ind1,ind2
set(h,'Color','k','LineWidth',2.0);%把聚类图线的颜色修改成黑色，线宽加粗
聚类结果：
ind1 = 1 2 8 9 10 11 12
ind2 = 3 4 5 6 7 13 14
可以看出，人体变量大体可以分为两类：一类反应人体高矮的变量，一类反应人体胖瘦的变量。
~end~
待会再弄一个比较综合店的题目，Q型和R型方法都用到的。
版权声明：本文为博主原创文章，未经博主允许不得转载。