原文鏈接：http://tecdat.cn/?p=22838

最近我們被客戶要求撰寫關(guān)于鳶尾花iris數(shù)據(jù)集的研究報告，包括一些圖形和統(tǒng)計輸出。

本練習(xí)問題包括：使用R中的鳶尾花數(shù)據(jù)集

(a)部分：k-means聚類
使用k-means聚類法將數(shù)據(jù)集聚成2組。
畫一個圖來顯示聚類的情況
使用k-means聚類法將數(shù)據(jù)集聚成3組。
畫一個圖來顯示聚類的情況
(b)部分：層次聚類
使用全連接法對觀察值進行聚類。
使用平均和單連接對觀測值進行聚類。
繪制上述聚類方法的樹狀圖。

使用R中的鳶尾花數(shù)據(jù)集k-means聚類

討論和/或考慮對數(shù)據(jù)進行標準化。

data.frame( ??"平均"=apply(iris[,1:4],?2,?mean ??"標準差"=apply(iris[,1:4],?2,?sd)

在這種情況下，我們將標準化數(shù)據(jù)，因為花瓣的寬度比其他所有的測量值小得多。

向下滑動查看結(jié)果▼

使用k-means聚類法將數(shù)據(jù)集聚成2組

使用足夠大的nstart，更容易得到對應(yīng)最小RSS值的模型。

kmean(iris,?nstart?=?100)

向下滑動查看結(jié)果▼

畫一個圖來顯示聚類的情況

#?繪制數(shù)據(jù)plot(iris,?y?=?Sepal.Length,?x?=?Sepal.Width)

為了更好地考慮花瓣的長度和寬度，使用PCA首先降低維度會更合適。

#??創(chuàng)建模型PCA.mod<-?PCA(x?=?iris)#把預(yù)測的組放在最后PCA$Pred?<-Pred#繪制圖表plot(PC,?y?=?PC1,?x?=?PC2,?col?=?Pred)

為了更好地解釋PCA圖，考慮到主成分的方差。

##?看一下主要成分所解釋的方差 for?(i?in?1:nrow)?{ ??pca[["PC"]][i]?<-?paste("PC",?i) }

plot(data?=?pca,x?=?主成分,?y?=?方差比例,?group?=?1)

數(shù)據(jù)中80%的方差是由前兩個主成分解釋的，所以這是一個相當好的數(shù)據(jù)可視化。

向下滑動查看結(jié)果▼

?使用k-means聚類法將數(shù)據(jù)集聚成3組

在之前的主成分圖中，聚類看起來非常明顯，因為實際上我們知道應(yīng)該有三個組，我們可以執(zhí)行三個聚類的模型。

kmean(input,?centers?=?3,?nstart?=?100) #?制作數(shù)據(jù) groupPred?%>%?print()

向下滑動查看結(jié)果▼

畫一個圖來顯示聚類的情況

#??繪制數(shù)據(jù)plot(萼片長度,萼片寬度,?col?=pred)

向下滑動查看結(jié)果▼

PCA圖

為了更好地考慮花瓣的長度和寬度，使用PCA首先減少維度是比較合適的。

#創(chuàng)建模型prcomp(x?=?iris)#把預(yù)測的組放在最后PCADF$KMeans預(yù)測<-?Pred#繪制圖表plot(PCA,?y?=?PC1,?x?=?PC2,col?=?"預(yù)測\n聚類",?caption?=?"鳶尾花數(shù)據(jù)的前兩個主成分，橢圓代表90%的正常置信度，使用K-means算法對2個類進行預(yù)測")?+

向下滑動查看結(jié)果▼

點擊標題查閱往期內(nèi)容

R語言鳶尾花iris數(shù)據(jù)集的層次聚類分析

左右滑動查看更多

01

02

03

04

PCA雙曲線圖

萼片長度~萼片寬度圖的分離度很合理，為了選擇在X、Y上使用哪些變量，我們可以使用雙曲線圖。

biplot(PCA)

這個雙曲線圖顯示，花瓣長度和萼片寬度可以解釋數(shù)據(jù)中的大部分差異，更合適的圖是：

plot(iris,?col?=?KM預(yù)測)

評估所有可能的組合。

iris?%>%??pivot_longer()??%>%?plot(col?=?KM預(yù)測,?facet_grid(name?~?.,?scales?=?'free_y',?space?=?'free_y',?)?+

向下滑動查看結(jié)果▼

層次聚類

使用全連接法對觀測值進行聚類。

可以使用全連接法對觀測值進行聚類（注意對數(shù)據(jù)進行標準化）。

hclust(dst,?method?=?'complete')

向下滑動查看結(jié)果▼

使用平均和單連接對觀察結(jié)果進行聚類。

?hclust(dst,?method?=?'average') hclust(dst,?method?=?'single')

向下滑動查看結(jié)果▼

繪制預(yù)測圖

現(xiàn)在模型已經(jīng)建立，通過指定所需的組數(shù)，對樹狀圖切斷進行劃分。

#??數(shù)據(jù)iris$KMeans預(yù)測<-?groupPred#?繪制數(shù)據(jù)plot(iris,col?=?KMeans預(yù)測))

向下滑動查看結(jié)果▼

繪制上述聚類方法的樹狀圖

對樹狀圖著色。

type<-?c("平均",?"全",?"單") for?(hc?in?models)?plot(hc,?cex?=?0.3)

向下滑動查看結(jié)果▼

點擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《R語言k-means聚類、層次聚類、主成分（PCA）降維及可視化分析鳶尾花iris數(shù)據(jù)集》。

點擊標題查閱往期內(nèi)容

SPSS用K均值聚類KMEANS、決策樹、邏輯回歸和T檢驗研究通勤出行交通方式選擇的影響因素調(diào)查數(shù)據(jù)分析
數(shù)據(jù)分享|R語言主成分PCA、因子分析、聚類對地區(qū)經(jīng)濟研究分析重慶市經(jīng)濟指標
數(shù)據(jù)分享|R語言用主成分PCA、?邏輯回歸、決策樹、隨機森林分析心臟病數(shù)據(jù)并高維可視化
R語言邏輯回歸logistic模型分析泰坦尼克titanic數(shù)據(jù)集預(yù)測生還情況R語言是否對二分連續(xù)變量執(zhí)行邏輯回歸
R語言用lme4多層次（混合效應(yīng)）廣義線性模型（GLM），邏輯回歸分析教育留級調(diào)查數(shù)據(jù)
R語言隨機森林RandomForest、邏輯回歸Logisitc預(yù)測心臟病數(shù)據(jù)和可視化分析
R語言基于Bagging分類的邏輯回歸(Logistic Regression)、決策樹、森林分析心臟病患者
R語言邏輯回歸（Logistic回歸）模型分類預(yù)測病人冠心病風(fēng)險
R語言用局部加權(quán)回歸(Lowess)對logistic邏輯回歸診斷和殘差分析R語言用主成分PCA、?邏輯回歸、決策樹、隨機森林分析心臟病數(shù)據(jù)并高維可視化
R語言用線性模型進行臭氧預(yù)測：加權(quán)泊松回歸，普通最小二乘，加權(quán)負二項式模型，多重插補缺失值R語言Bootstrap的嶺回歸和自適應(yīng)LASSO回歸可視化
R語言中回歸和分類模型選擇的性能指標
R語言多元時間序列滾動預(yù)測：ARIMA、回歸、ARIMAX模型分析
R語言用lme4多層次（混合效應(yīng)）廣義線性模型（GLM），邏輯回歸分析教育留級調(diào)查數(shù)據(jù)
R語言計量經(jīng)濟學(xué)：虛擬變量(啞變量)在線性回歸模型中的應(yīng)用
R語言 線性混合效應(yīng)模型實戰(zhàn)案例
R語言混合效應(yīng)邏輯回歸（mixed effects logistic）模型分析肺癌數(shù)據(jù)
R語言如何用潛類別混合效應(yīng)模型（LCMM）分析抑郁癥狀
R語言基于copula的貝葉斯分層混合模型的診斷準確性研究
R語言建立和可視化混合效應(yīng)模型mixed effect model
R語言LME4混合效應(yīng)模型研究教師的受歡迎程度
R語言 線性混合效應(yīng)模型實戰(zhàn)案例
R語言用Rshiny探索lme4廣義線性混合模型（GLMM）和線性混合模型（LMM）
R語言基于copula的貝葉斯分層混合模型的診斷準確性研究
R語言如何解決線性混合模型中畸形擬合(Singular fit)的問題
基于R語言的lmer混合線性回歸模型
R語言用WinBUGS 軟件對學(xué)術(shù)能力測驗建立層次（分層）貝葉斯模型
R語言分層線性模型案例
R語言用WinBUGS 軟件對學(xué)術(shù)能力測驗（SAT）建立分層模型
使用SAS，Stata，HLM，R，SPSS和Mplus的分層線性模型HLM
R語言用WinBUGS 軟件對學(xué)術(shù)能力測驗建立層次（分層）貝葉斯模型
SPSS中的多層（等級）線性模型Multilevel linear models研究整容手術(shù)數(shù)據(jù)
用SPSS估計HLM多層（層次）線性模型模型R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報告
R語言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類模型案例
R語言有RStan的多維驗證性因子分析（CFA）
主成分分析(PCA)原理及R語言實現(xiàn)及分析實例
R語言無監(jiān)督學(xué)習(xí)：PCA主成分分析可視化
R語言使用Metropolis- Hasting抽樣算法進行邏輯回歸
R語言多元Logistic邏輯回歸 應(yīng)用案例
R語言自適應(yīng)LASSO 多項式回歸、二元邏輯回歸和嶺回歸應(yīng)用分析
R語言用邏輯回歸、決策樹和隨機森林對信貸數(shù)據(jù)集進行分類預(yù)測
R語言基于樹的方法：決策樹，隨機森林，Bagging，增強樹
spss modeler用決策樹神經(jīng)網(wǎng)絡(luò)預(yù)測ST的股票
R語言中自編基尼系數(shù)的CART回歸決策樹的實現(xiàn)
python在Scikit-learn中用決策樹和隨機森林預(yù)測NBA獲勝者
matlab使用分位數(shù)隨機森林（QRF）回歸樹檢測異常值
基于隨機森林、svm、CNN機器學(xué)習(xí)的風(fēng)控欺詐識別模型
R語言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類模型案例
R語言用標準最小二乘OLS，廣義相加模型GAM?，樣條函數(shù)進行邏輯回歸LOGISTIC分