R语言k-means聚类、层次聚类、主成分(PCA)降维及可视化分析鸢尾花iris数据集

问题:分析R中的鸢尾花数据集

 

由Kaizong Ye,Liao Bao撰写

(a)部分:k-means聚类
使用k-means聚类法将数据集聚成2组。
 画一个图来显示聚类的情况
使用k-means聚类法将数据集聚成3组。
画一个图来显示聚类的情况
(b)部分:层次聚类
使用全连接法对观察值进行聚类。
使用平均和单连接对观测值进行聚类。
绘制上述聚类方法的树状图。

问题01:使用R中建立的鸢尾花数据集。

(a):k-means聚类

讨论和/或考虑对数据进行标准化。

在这种情况下,我们将标准化数据,因为花瓣的宽度比其他所有的测量值小得多。

使用k-means聚类法将数据集聚成2组

使用足够大的nstart,更容易得到对应最小RSS值的模型。

画一个图来显示聚类的情况

为了更好地考虑花瓣的长度和宽度,使用PCA首先降低维度会更合适。

为了更好地解释PCA图,考虑到主成分的方差。


Python、R对小说进行文本挖掘和层次聚类可视化分析案例

阅读文章


数据中80%的方差是由前两个主成分解释的,所以这是一个相当好的数据可视化。

 使用k-means聚类法将数据集聚成3组

在之前的主成分图中,聚类看起来非常明显,因为实际上我们知道应该有三个组,我们可以执行三个聚类的模型。


随时关注您喜欢的主题


画一个图来显示聚类的情况

PCA图

为了更好地考虑花瓣的长度和宽度,使用PCA首先减少维度是比较合适的。

PCA双曲线图

萼片长度~萼片宽度图的分离度很合理,为了选择在X、Y上使用哪些变量,我们可以使用双曲线图。

这个双曲线图显示,花瓣长度和萼片宽度可以解释数据中的大部分差异,更合适的图是:

评估所有可能的组合。

层次聚类

使用全连接法对观测值进行聚类。

可以使用全连接法对观测值进行聚类(注意对数据进行标准化)。

使用平均和单连接对观察结果进行聚类。

绘制预测图

现在模型已经建立,通过指定所需的组数,对树状图切断进行划分。

绘制上述聚类方法的树状图

对树状图着色。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498