R語言學(xué)習(xí)筆記之聚類分析

TaoYan

使用k-means聚類所需的包:

  • factoextra
  • cluster

加載包

library(factoextra)
library(cluster)

數(shù)據(jù)準(zhǔn)備

使用內(nèi)置的R數(shù)據(jù)集USArrests

#load the dataset
data("USArrests")
#remove any missing value (i.e, NA values for not available)
#That might be present in the data
USArrests <- na.omit(USArrests)#view the first 6 rows of the data
head(USArrests, n=6)

在此數(shù)據(jù)集中,列是變量,行是觀測值
在聚類之前我們可以先進(jìn)行一些必要的數(shù)據(jù)檢查即數(shù)據(jù)描述性統(tǒng)計打却,如平均值安券、標(biāo)準(zhǔn)差等

desc_stats <- data.frame( Min=apply(USArrests, 2, min),#minimum
Med=apply(USArrests, 2, median),#median 
Mean=apply(USArrests, 2, mean),#mean 
SD=apply(USArrests, 2, sd),#Standard deviation 
Max=apply(USArrests, 2, max)#maximum
)
desc_stats <- round(desc_stats, 1)#保留小數(shù)點后一位head(desc_stats)

變量有很大的方差及均值時需進(jìn)行標(biāo)準(zhǔn)化

df <- scale(USArrests)

數(shù)據(jù)集群性評估

使用get_clust_tendency()計算Hopkins統(tǒng)計量

res <- get_clust_tendency(df, 40, graph = TRUE)
res$hopkins_stat
## [1] 0.3440875
#Visualize the dissimilarity matrix
res$plot

Hopkins統(tǒng)計量的值<0.5接癌,表明數(shù)據(jù)是高度可聚合的。另外珊泳,從圖中也可以看出數(shù)據(jù)可聚合。

估計聚合簇數(shù)

由于k均值聚類需要指定要生成的聚類數(shù)量拷沸,因此我們將使用函數(shù)clusGap()來計算用于估計最優(yōu)聚類數(shù)色查。函數(shù)fviz_gap_stat()用于可視化。

set.seed(123)
## Compute the gap statistic
gap_stat <- clusGap(df, FUN = kmeans, nstart = 25, K.max = 10, B = 500) 
# Plot the result
fviz_gap_stat(gap_stat)

圖中顯示最佳為聚成四類(k=4)

進(jìn)行聚類

set.seed(123)
km.res <- kmeans(df, 4, nstart = 25)
head(km.res$cluster, 20)
# Visualize clusters using factoextra
fviz_cluster(km.res, USArrests)

檢查cluster silhouette

Recall that the silhouette measures (SiSi) how similar an object ii is to the the other objects in its own cluster versus those in the neighbor cluster. SiSi values range from 1 to - 1:

  • A value of SiSi close to 1 indicates that the object is well clustered. In the other words, the object ii is similar to the other objects in its group.
  • A value of SiSi close to -1 indicates that the object is poorly clustered, and that assignment to some other cluster would probably improve the overall results.
sil <- silhouette(km.res$cluster, dist(df))
rownames(sil) <- rownames(USArrests)
head(sil[, 1:3])
#Visualize 
fviz_silhouette(sil)


圖中可以看出有負(fù)值撞芍,可以通過函數(shù)silhouette()確定是哪個觀測值

neg_sil_index <- which(sil[, "sil_width"] < 0)
sil[neg_sil_index, , drop = FALSE]
##          cluster    neighbor     sil_width
## Missouri    3          2        -0.07318144

eclust():增強(qiáng)的聚類分析

與其他聚類分析包相比秧了,eclust()有以下優(yōu)點:

  • 簡化了聚類分析的工作流程
  • 可以用于計算層次聚類和分區(qū)聚類
  • eclust()自動計算最佳聚類簇數(shù)。
  • 自動提供Silhouette plot
  • 可以結(jié)合ggplot2繪制優(yōu)美的圖形

使用eclust()的K均值聚類

# Compute k-means
res.km <- eclust(df, "kmeans")
# Gap statistic plot
fviz_gap_stat(res.km$gap_stat)
# Silhouette plotfviz_silhouette(res.km)

##    cluster size ave.sil.width
## 1     1     13      0.31
## 2     2     29      0.38
## 3     3      8      0.39

使用eclust()的層次聚類

# Enhanced hierarchical clustering
res.hc <- eclust(df, "hclust") # compute hclust
fviz_dend(res.hc, rect = TRUE) # dendrogam
#下面的R代碼生成Silhouette plot和分層聚類散點圖序无。
fviz_silhouette(res.hc) # silhouette plot
##   cluster size ave.sil.width
## 1    1     19      0.26
## 2    2     19      0.28
## 3    3     12      0.43
fviz_cluster(res.hc) # scatter plot

Infos

This analysis has been performed using R software (R version 3.3.2)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末验毡,一起剝皮案震驚了整個濱河市衡创,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌晶通,老刑警劉巖璃氢,帶你破解...
    沈念sama閱讀 211,265評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異狮辽,居然都是意外死亡一也,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,078評論 2 385
  • 文/潘曉璐 我一進(jìn)店門喉脖,熙熙樓的掌柜王于貴愁眉苦臉地迎上來椰苟,“玉大人,你說我怎么就攤上這事树叽∮吆” “怎么了?”我有些...
    開封第一講書人閱讀 156,852評論 0 347
  • 文/不壞的土叔 我叫張陵菱皆,是天一觀的道長须误。 經(jīng)常有香客問我,道長仇轻,這世上最難降的妖魔是什么京痢? 我笑而不...
    開封第一講書人閱讀 56,408評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮篷店,結(jié)果婚禮上祭椰,老公的妹妹穿的比我還像新娘。我一直安慰自己疲陕,他們只是感情好方淤,可當(dāng)我...
    茶點故事閱讀 65,445評論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著蹄殃,像睡著了一般携茂。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上诅岩,一...
    開封第一講書人閱讀 49,772評論 1 290
  • 那天讳苦,我揣著相機(jī)與錄音函匕,去河邊找鬼缀旁。 笑死,一個胖子當(dāng)著我的面吹牛嚣艇,可吹牛的內(nèi)容都是我干的式廷。 我是一名探鬼主播咐扭,決...
    沈念sama閱讀 38,921評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了蝗肪?” 一聲冷哼從身側(cè)響起袜爪,我...
    開封第一講書人閱讀 37,688評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎穗慕,沒想到半個月后饿敲,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,130評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡逛绵,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,467評論 2 325
  • 正文 我和宋清朗相戀三年怀各,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片术浪。...
    茶點故事閱讀 38,617評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡瓢对,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出胰苏,到底是詐尸還是另有隱情硕蛹,我是刑警寧澤,帶...
    沈念sama閱讀 34,276評論 4 329
  • 正文 年R本政府宣布硕并,位于F島的核電站法焰,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏倔毙。R本人自食惡果不足惜埃仪,卻給世界環(huán)境...
    茶點故事閱讀 39,882評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望陕赃。 院中可真熱鬧卵蛉,春花似錦、人聲如沸么库。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,740評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽诉儒。三九已至葡缰,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間忱反,已是汗流浹背泛释。 一陣腳步聲響...
    開封第一講書人閱讀 31,967評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留缭受,地道東北人。 一個月前我還...
    沈念sama閱讀 46,315評論 2 360
  • 正文 我出身青樓该互,卻偏偏與公主長得像米者,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,486評論 2 348

推薦閱讀更多精彩內(nèi)容

  • 夢想里的意外 和江華相處下來,卜囝發(fā)現(xiàn)他不但是一個擁有顏值的人喂分,還是一個有才華的人锦庸,他的鋼琴,小提琴都學(xué)得非常好蒲祈,...
    桑小隅閱讀 289評論 0 1
  • 你的人生甘萧,來自你口中常對人所說的話語——"你嘴上所說的人生,就是你的人生!!" “好的”梆掸、“一定會有辦法的”扬卷、“沒...
    ann慧之音閱讀 249評論 0 0
  • 對不起,我沒有模版酸钦。 “老師怪得,給個模版參考一下?” “老師卑硫,你覺得這個模版適合我不徒恋? 我想采用這個時間線索,看起來...
    桃之夭0310閱讀 506評論 0 1
  • 文/騎馬上岸的人 陰郁的天空也裝不下云彩 于是我們就走了 于是就有了遺失 沒有告別 也沒有挽留 所謂的守候成為泡影...
    騎馬上岸的人閱讀 556評論 33 57