#以R基础包自带的鸢尾花(Iris)数据进行聚类分析
iris
data <- iris[,:] #系统聚类法(层次聚类法)
distance <- dist(data) #计算距离
iris.hc <- hclust(distance) #聚类分析，计算距离方法是complete
plot( iris.hc, hang = -) #绘画系谱图
re <- rect.hclust(iris.hc, k = ) #分为三类
iris.id <- cutree(iris.hc, )
#生成列联表 将iris.id与iris中Species作比较发现：1应该是setosa类，2应该是virginica类(因为virginica的个数明显多于versicolor)，3是versicolor。
table(iris.id, iris$Species) iris.hc1 <- hclust(distance,method="single")
plot(iris.hc1, hang = -) #绘画系谱图
re1 <- rect.hclust(iris.hc1, k = ) #分为三类 iris.hc2 <- hclust(distance,method="ward.D")
plot(iris.hc2, hang = -) #绘画系谱图
re2 <- rect.hclust(iris.hc2, k = ) #分为三类
iris.id2 <- cutree(iris.hc2, )
table(iris.id2, iris$Species) iris.hc3 <- hclust(distance,method="ward.D2")
plot(iris.hc3, hang = -) #绘画系谱图
re3 <- rect.hclust(iris.hc3, k = ) #分为三类 iris.hc4 <- hclust(distance,method="average")
plot(iris.hc4, hang = -) #绘画系谱图
re4 <- rect.hclust(iris.hc4, k = ) #分为三类 #plclust( iris.hc, labels = FALSE, hang = -) #不推荐使用
# dist <- dist(data.frame(id=c(,,,),a=c(,,,),b=c(,,,),c=c(,,,))) #动态聚类(逐步聚类法)
library("fpc")
kmeans <- kmeans(na.omit(data), )
plotcluster(na.omit(data), kmeans$cluster)
此处暂不截屏显示结果！