R语言中不同类型的聚类方法比较

聚类方法用于识别从营销，生物医学和地理空间等领域收集的多变量数据集中的相似对象。我们围绕聚类技术进行一些咨询，帮助客户解决独特的业务问题。它们是不同类型的聚类方法，包括：

• 划分方法
• 分层聚类
• 模糊聚类
• 基于密度的聚类
• 基于模型的聚类

 

  【视频】KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

，时长06:05

数据准备

• 演示数据集：名为USArrest的内置R数据集
• 删除丢失的数据
• 缩放变量以使它们具有可比性

# 读取和准备数据
 
my_data <- USArrests %>%
  na.omit() %>%          # 删除缺失值
  scale()                # 标准化变量
 
# 查看前面3行
head(my_data, n = 3)

##         Murder Assault UrbanPop     Rape
## Alabama 1.2426   0.783   -0.521 -0.00342
## Alaska  0.5079   1.107   -1.212  2.48420
## Arizona 0.0716   1.479    0.999  1.04288

距离

• get_dist()：用于计算数据矩阵的行之间的距离矩阵。与标准dist()功能相比，它支持基于相关的距离测量，包括“皮尔逊”，“肯德尔”和“斯皮尔曼”方法。
• fviz_dist()：用于可视化距离矩阵

res.dist <- get_dist(U
   gradient = list(low = "#00AFBB", mid = "white", high = "#FC4E07"))