聚类分析

LGP

2020/12/5

#聚类分析#使用k-means聚类所需的包：#factoextra#cluster#使用内置的R数据集USArrests#install.packages("factoextra")library(factoextra)

## Loading required package: ggplot2

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

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

##            Murder Assault UrbanPop Rape
## Alabama      13.2     236       58 21.2
## Alaska       10.0     263       48 44.5
## Arizona       8.1     294       80 31.0
## Arkansas      8.8     190       50 19.5
## California    9.0     276       91 40.6
## Colorado      7.9     204       78 38.7

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)#保留小数点后一位head(desc_stats)#变量有很大的方差及均值时需进行标准化df <- scale(USArrests)#数据集群性评估使用get_clust_tendency()计算Hopkins统计量res <- get_clust_tendency(df, 40, graph = TRUE)
res$hopkins_stat

## [1] 0.6559125

#Visualize the dissimilarity matrixres$plot

#Hopkins统计量的值<0.5，表明数据是高度可聚合的。另外，从图中也可以看出数据可聚合。#估计聚合簇数由于k均值聚类需要指定要生成的聚类数量，#因此我们将使用函数clusGap()来计算用于估计最优聚类数。#函数fviz_gap_stat()用于可视化。set.seed(123)## Compute the gap statisticgap_stat <- clusGap(df, FUN = kmeans, nstart = 25, K.max = 10, B = 500) 
# Plot the resultfviz_gap_stat(gap_stat)

#图中显示最佳为聚成四类（k=4）#进行聚类set.seed(123)
km.res <- kmeans(df, 4, nstart = 25)
head(km.res$cluster, 20)

##     Alabama      Alaska     Arizona    Arkansas  California    Colorado 
##           1           4           4           1           4           4 
## Connecticut    Delaware     Florida     Georgia      Hawaii       Idaho 
##           3           3           4           1           3           2 
##    Illinois     Indiana        Iowa      Kansas    Kentucky   Louisiana 
##           4           3           2           3           2           1 
##       Maine    Maryland 
##           2           4

# Visualize clusters using factoextrafviz_cluster(km.res, USArrests)

#检查cluster silhouette图sil <- silhouette(km.res$cluster, dist(df))
rownames(sil) <- rownames(USArrests)
head(sil[, 1:3])

##            cluster neighbor  sil_width
## Alabama          1        4 0.48577530
## Alaska           4        1 0.05825209
## Arizona          4        3 0.41548326
## Arkansas         1        3 0.11870947
## California       4        3 0.43555885
## Colorado         4        3 0.32654235

#Visualize fviz_silhouette(sil)

##   cluster size ave.sil.width
## 1       1    8          0.39
## 2       2   13          0.37
## 3       3   16          0.34
## 4       4   13          0.27

#图中可以看出有负值，可以通过函数silhouette()确定是哪个观测值neg_sil_index <- which(sil[, "sil_width"] < 0)
sil[neg_sil_index, , drop = FALSE]

##          cluster neighbor   sil_width
## Missouri       4        3 -0.07318144

#eclust():增强的聚类分析#与其他聚类分析包相比，eclust()有以下优点：#简化了聚类分析的工作流程#可以用于计算层次聚类和分区聚类#eclust()自动计算最佳聚类簇数。#自动提供Silhouette plot#可以结合ggplot2绘制优美的图形###############使用eclust()的K均值聚类# Compute k-meansres.km <- eclust(df, "kmeans")

# Gap statistic plotfviz_gap_stat(res.km$gap_stat)

#使用**eclust（）**的层次聚类# Enhanced hierarchical clusteringres.hc <- eclust(df, "hclust") # compute hclustfviz_dend(res.hc, rect = TRUE) # dendrogam

#下面的R代码生成Silhouette plot和分层聚类散点图。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

###########################library(factoextra)library(cluster)
data("USArrests")
USArrests <- na.omit(USArrests)#view the first 6 rows of the datadf <- scale(USArrests)#使用**eclust（）**的层次聚类# Enhanced hierarchical clusteringres.hc <- eclust(df, "hclust") # compute hclust# Gap statistic plotfviz_gap_stat(res.hc$gap_stat)

fviz_dend(res.hc, rect = TRUE) # dendrogam

#下面的R代码生成Silhouette plot和分层聚类散点图。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