本文的研究目的是基于R語(yǔ)言的k-prototype算法，幫助客戶對(duì)新能源汽車行業(yè)上市公司進(jìn)行混合型數(shù)據(jù)集的聚類分析。

通過(guò)對(duì)公司的財(cái)務(wù)數(shù)據(jù)、市場(chǎng)表現(xiàn)和發(fā)展戰(zhàn)略等多個(gè)方面的變量進(jìn)行聚類分析，我們可以將這些公司劃分為不同的類別，并分析不同類別的特點(diǎn)和發(fā)展趨勢(shì)。

這樣的研究結(jié)果對(duì)于投資者、政策制定者和行業(yè)從業(yè)者都具有重要的參考價(jià)值，可以幫助他們更好地了解新能源汽車行業(yè)上市公司的發(fā)展?fàn)顩r和市場(chǎng)表現(xiàn)，從而做出更明智的決策。

分析目標(biāo)

本項(xiàng)目旨在使用聚類算法對(duì)不同城市的新能源汽車行業(yè)上市公司進(jìn)行分類與排序，以尋找客觀真實(shí)的城市分層方法、支持業(yè)務(wù)運(yùn)營(yíng)與決策。

方法論

首先，由于數(shù)據(jù)集呈現(xiàn)分類變量與數(shù)值變量混合的特點(diǎn)，本次數(shù)據(jù)分析將采用K-prototype算法：

K-prototype算法：無(wú)需創(chuàng)建啞變量，將分別為分類變量計(jì)算漢明距離、為數(shù)值型變量計(jì)算歐幾里得距離然后得出聚類結(jié)果。算法運(yùn)行結(jié)束后將使用成本函數(shù)評(píng)價(jià)聚類效果。 其次，數(shù)值型變量b、c、d的量綱明顯不等，為避免量綱影響距離計(jì)算中不同變量的權(quán)重，需要對(duì)變量b、c、d進(jìn)行處理。由于不知道是否符合正態(tài)分布，在這里使用歸一化而非標(biāo)準(zhǔn)化。

查看數(shù)據(jù)

在進(jìn)行聚類分析之前，首先需要查看數(shù)據(jù)集，了解數(shù)據(jù)的結(jié)構(gòu)和特征。通過(guò)使用R語(yǔ)言中的相關(guān)函數(shù)和包，我們可以讀取數(shù)據(jù)集，并使用函數(shù)如summary()和head()來(lái)查看數(shù)據(jù)的概要和前幾行。

data=read.csv("新能源汽車 匯總.csv")

求出相關(guān)系數(shù)

求出相關(guān)系數(shù) 在進(jìn)行聚類分析之前，我們需要了解數(shù)據(jù)中各個(gè)變量之間的相關(guān)性。通過(guò)計(jì)算相關(guān)系數(shù)，我們可以得到一個(gè)關(guān)于變量之間關(guān)聯(lián)程度的度量。R語(yǔ)言中的cor()函數(shù)可以用來(lái)計(jì)算相關(guān)系數(shù)矩陣，并通過(guò)可視化工具如熱圖來(lái)展示相關(guān)系數(shù)的模式。

對(duì)數(shù)據(jù)進(jìn)行kp聚類（k=3）

對(duì)數(shù)據(jù)進(jìn)行聚類 在進(jìn)行聚類分析之前，我們需要選擇適當(dāng)?shù)木垲愃惴ā?duì)于混合型數(shù)據(jù)集，我們可以使用R語(yǔ)言中的k-prototype算法。該算法可以同時(shí)處理數(shù)值型和分類型變量，并根據(jù)變量之間的相似性將樣本劃分為不同的聚類。

x=data[,-c(1:2)] ?d <- dist(x) ?pclust=function(k){ ?? n=nrow(data) ?cut <- tocut(hc, k=k) ??h <- hc$height[n - k]clust(3)

lust(4)

st(5)

ust(6)

將數(shù)據(jù)使用算法分成4個(gè)類別后可以看到 每個(gè)類別之間分布呈不同的簇，交集較少 ，因此可以認(rèn)為得到的聚類結(jié)果較好。

刪除相關(guān)性變量

刪除相關(guān)性變量 在進(jìn)行聚類分析之前，我們需要?jiǎng)h除相關(guān)性較高的變量。高相關(guān)性的變量可能會(huì)導(dǎo)致冗余的信息，并且可能會(huì)對(duì)聚類結(jié)果產(chǎn)生負(fù)面影響。通過(guò)計(jì)算變量之間的相關(guān)系數(shù)，并選擇相關(guān)系數(shù)較低的變量進(jìn)行保留，我們可以減少變量的維度，從而提高聚類的效果。

cor(data[,-c(1:2)])

找到高相關(guān)性變量(相關(guān)系數(shù)大于0.8)

找到高相關(guān)性變量 除了刪除高相關(guān)性的變量外，我們還可以找出相關(guān)系數(shù)較高的變量對(duì)。這些變量對(duì)可能包含一些重要的信息，可以幫助我們更好地理解數(shù)據(jù)。通過(guò)計(jì)算變量之間的相關(guān)系數(shù)，并選擇相關(guān)系數(shù)較高的變量對(duì)，我們可以得到一組關(guān)鍵的變量對(duì)，用于進(jìn)一步的分析和解釋。

highcor=which(abs(cor(data[,-c(1:2)]))>0.85,arr.ind = T)clust(2)

lust(3)

lust(4)

ust(5)

lust(6)

將數(shù)據(jù)使用算法分成4個(gè)類別后可以看到 每個(gè)類別之間分布呈不同的簇，交集較少 ，因此可以認(rèn)為得到的聚類結(jié)果較好。

數(shù)據(jù)標(biāo)準(zhǔn)化

在進(jìn)行聚類分析之前，我們需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化可以將不同變量之間的尺度差異進(jìn)行統(tǒng)一，從而避免某些變量對(duì)聚類結(jié)果的影響過(guò)大。通過(guò)使用R語(yǔ)言中的scale()函數(shù)，我們可以對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

x=scale(data2[,-c(1:2)]) ?d <- dist(x) ?hc <- prolust(d)lust(2)

st(3)

ust(4)

ust(5)

ust(6)

將數(shù)據(jù)使用算法分成4個(gè)類別后可以看到 每個(gè)類別之間分布呈不同的簇，交集較少 ，因此可以認(rèn)為得到的聚類結(jié)果較好。

通過(guò)以上步驟，我們可以使用R語(yǔ)言中的k-prototype算法對(duì)混合型數(shù)據(jù)集進(jìn)行聚類分析，從而幫助我們更好地理解和解釋新能源汽車行業(yè)上市公司的特征和模式。這對(duì)于業(yè)界和學(xué)術(shù)界的研究人員來(lái)說(shuō)，具有重要的實(shí)際和理論意義。

最受歡迎的見(jiàn)解

1.R語(yǔ)言k-Shape算法股票價(jià)格時(shí)間序列聚類

2.R語(yǔ)言基于溫度對(duì)城市層次聚類、kmean聚類、主成分分析和Voronoi圖

3.R語(yǔ)言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類建模和GAM回歸

4.r語(yǔ)言鳶尾花iris數(shù)據(jù)集的層次聚類

5.Python Monte Carlo K-Means聚類實(shí)戰(zhàn)

6.用R進(jìn)行網(wǎng)站評(píng)論文本挖掘聚類

7.R語(yǔ)言KMEANS均值聚類和層次聚類：亞洲國(guó)家地區(qū)生活幸福質(zhì)量異同可視化

8.PYTHON用戶流失數(shù)據(jù)挖掘：建立邏輯回歸、XGBOOST、隨機(jī)森林、決策樹(shù)、支持向量機(jī)、樸素貝葉斯模型和KMEANS聚類用戶畫(huà)像

9.R語(yǔ)言基于Keras的小數(shù)據(jù)集深度學(xué)習(xí)圖像分類