热线电话：13121318867

登录
首页精彩阅读基于R做聚类分析
基于R做聚类分析
2018-06-09
收藏

基于R做聚类分析

一 数据集

setwd("C://Users//admin//Desktop//DATA") #设置路径
Iris=read.table("Iris.txt")
names(Iris)=c("v1","v2","v3","v4","label") #设置变量名
var=Iris$label #将标签赋予var

var=as.character(var)  #将var转换为字符型 

二 K-Medoids聚类
K-中心点算法与K-均值算法在原理上十分接近，主要区别在于在选取每个类别的中心点时，K-中心点算法在类别内选取到其余样本距离之和最小的样本为中心。
K-中心点算法在R中的软件包为Cluster主要函数为pam (). 

install.packages("cluster")
library(cluster)

kc=pam(Iris[,-5],3) #去掉标签 print(kc)
kc=pam(Iris[,-1],3,cluster.only=TRUE) #显示聚类结果 print(kc)


Medoids:该项指明聚类完成时聚类完成的各类别的中心点分别是哪几个样本点，它们的变量取值为多少。
Objective function:该项给出了build和swap两个过程中目标方程的值。其中，build过程用于在未指定初始中心点情况下，对于最优初始中心点的寻找；而swap过程则用于在初始中心点的基础上，对目标方程寻找其能达到局部最优类别划分状态。

三 EM聚类 

library(mclust)
fit_em=Mclust(Iris[,-5])
summary(fit_em)
fit_em=mclustBIC(Iris[,-5]) # 第二个聚类函数
BICsum=summary(fit_em,data=Iris[,-5])
	

		 
	


	

		这里有聚类结果可视化展示，不过对于高维数据，打算再研究一下。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇深入理解K-Means聚类算法
下一篇R语言聚类算法比较
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询