#以R基础包自带的鸢尾花(Iris)数据进行聚类分析
iris data <- iris[,1:4] #系统聚类法(层次聚类法) distance <- dist(data) #计算距离 iris.hc <- hclust(distance) #聚类分析，计算距离方法是complete plot( iris.hc, hang = -1) #绘画系谱图 re <- rect.hclust(iris.hc, k = 3) #分为三类 iris.id <- cutree(iris.hc, 3) #生成列联表 将iris.id与iris中Species作比较发现：1应该是setosa类，2应该是virginica类(因为virginica的个数明显多于versicolor)，3是versicolor。 table(iris.id, iris$Species) iris.hc1 <- hclust(distance,method="single") plot(iris.hc1, hang = -1) #绘画系谱图 re1 <- rect.hclust(iris.hc1, k = 3) #分为三类 iris.hc2 <- hclust(distance,method="ward.D") plot(iris.hc2, hang = -1) #绘画系谱图 re2 <- rect.hclust(iris.hc2, k = 3) #分为三类 iris.id2 <- cutree(iris.hc2, 3) table(iris.id2, iris$Species) iris.hc3 <- hclust(distance,method="ward.D2") plot(iris.hc3, hang = -1) #绘画系谱图 re3 <- rect.hclust(iris.hc3, k = 3) #分为三类 iris.hc4 <- hclust(distance,method="average") plot(iris.hc4, hang = -1) #绘画系谱图 re4 <- rect.hclust(iris.hc4, k = 3) #分为三类 #plclust( iris.hc, labels = FALSE, hang = -1) #不推荐使用 # dist <- dist(data.frame(id=c(1,1,1,1),a=c(1,2,4,6),b=c(1,1,2,3),c=c(1,1,2,3))) #动态聚类(逐步聚类法) library("fpc") kmeans <- kmeans(na.omit(data), 3) plotcluster(na.omit(data), kmeans$cluster)
此处暂不截屏显示结果！