层次聚类分析及代码实现

层次聚类

层次聚类将个体间的关系进行分层次展示，可以人为设定分为几类。

作图代码及结果

###生成层次聚类，dist距离矩阵默认计算方式为欧氏距离method = "euclidean"，聚类方法默认为complete
hc = hclust(dist(mtcars))
plot(hc)
1
2
3

作图结果如下：

根据上述图，我们可以初步确定聚为几类更为合适：

#要是没有这个包的话，首先需要安装一下
#install.packages("factoextra")
#载入包
library(factoextra)
fviz_dend(hc, k = 4, 
          cex = 0.7, 
          k_colors = c("#2E9FDF", "#00AFBB", "#E7B800", "#FC4E07"),
          color_labels_by_k = TRUE, 
          rect = TRUE          
)
1
2
3
4
5
6
7
8
9
10

结果如下：

如果想放平，可以这样画：

fviz_dend(hc, k = 4, 
          cex = 0.7, 
          k_colors = c("#2E9FDF", "#00AFBB", "#E7B800", "#FC4E07"),
          color_labels_by_k = TRUE, 
          rect = TRUE,
          horiz = T)
1
2
3
4
5
6

这样就放平了：

当然还有更多美化方式，具体可以参考最全的R语言聚类树形图画法。

距离矩阵和聚类算法小结

如果对计算距离矩阵和聚类的算法有特定要求，可以参考下面的参数介绍。

在聚类中求两点的距离有：

1，绝对距离：manhattan

2，欧氏距离：euclidean 默认

3，闵科夫斯基距离：minkowski

4，切比雪夫距离：chebyshev

5，马氏距离：mahalanobis

6，蓝氏距离：canberra

用默认的算法求出距离如下

算出距离后就可以进行聚类啦！

out.hclust=hclust(out.dist,method=“complete”) #根据距离聚类

聚类也有多种方法：

1，类平均法：average

2，重心法：centroid

3，中间距离法:median

4，最长距离法：complete 默认

5，最短距离法：single

6，离差平方和法：ward

7，密度估计法：density

参考链接

基于R语言的聚类分析（k-means,层次聚类）
最全的R语言聚类树形图画法
R语言用hclust进行聚类分析
R语言可视化（二十九）：聚类树图绘制
R语言之系统聚类（层次）分析之图谱形式完整版
99-非监督学习之hclust分层聚类
R语言绘图——给树状图的标签赋予不同颜色
R语言聚类分析