星期日, 七月 31, 2011

聚类分析在R语言中的实现

聚类分析和判别分析有相似的作用,都是起到分类的作用。但是,判别分析是已知分类然后总结出判别规则,是一种有指导的学习;而聚类分析则是有了一批样本,不知道它们的分类,甚至连分成几类也不知道,希望用某种方法把观测进行合理的分类,使得同一类的观测比较接近,不同类的观测相差较多,这是无指导的学习。所以,聚类分析依赖于对观测间的接近程度(距离)或相似程度的理解,定义不同的距离量度和相似性量度就可以产生不同的聚类结果。


1,K聚类
newiris <- iris
newiris$Species <- NULL
kc <- kmeans(newiris, 3)
plot(newiris[c("Sepal.Length", "Sepal.Width")], col = kc$cluster)
points(kc$centers[,c("Sepal.Length", "Sepal.Width")], col = 1:3, pch = 8, cex=2)



2,层次聚类
采用的命令是hclust(),其中的参数必须是距离矩阵

3,密度聚类
library(fpc) 采用的命令是dbscan()

1 条评论:

  1. 比特币的投资价值
    得到 全球的肯定

    股票、外汇、等全球千种金融产品的交易与投资 投资世界最受欢迎的金融市场从未如此简单

    回复删除