R语言聚类有效性:确定最优聚类数分析IRIS鸢尾花数据和可视化

简介: R语言聚类有效性:确定最优聚类数分析IRIS鸢尾花数据和可视化

数据集概述

这个数据集常用于数据概述、可视化和聚类模型。它包括三个鸢尾花品种,每个品种有50个样本,以及一些属性。其中一个花种与其他两个花种是线性可分离的,但其他两个花种之间不是线性可分离的。

这个数据集的给定列是:

i> Id

ii> 萼片长度(Cm)

iii>萼片宽度(Cm)

iv> 花瓣长度(Cm)

v> 花瓣宽度 (Cm)

vi> 品种

让我们把这个数据集可视化,并用kmeans进行聚类。

基本可视化

IRIS数据,聚类前的基本可视化

plot(data, aes(x , y ))

plot(data,geom_density(alpha=0.25)

火山图

plot( iris, stat_density(aes(ymax = ..density..,  ymin = -..density..,

plot(data, aes(x ),stat\_density= ..density..,  facet\_grid. ~ Species)

聚类数据 :: 方法-1

# 在一个循环中进行15次的kmeans聚类分析
for (i in 1:15)
 kmeans(Data, i)    
  totalwSS\[i\]<-tot
# 聚类碎石图 - 使用plot函数绘制total_wss与no-of-clusters的数值。
plot(x=1:15,                         # x= 类数量, 1 to 15
     totalwSS,                      #每个类的total_wss值
     type="b"                       # 绘制两点,并将它们连接起来

聚类数据 :: 方法-2

使用聚类有效性测量指标

library(NbClust)
# 设置边距为: c(bottom, left, top, right)
par(mar = c(2,2,2,2))    
# 根据一些指标来衡量聚类的合适性。
# 默认情况下,它检查从2个聚类到15个聚类的情况 # 花费时间

休伯特指数

休伯特指数是一种确定聚类数量的图形方法。

在休伯特指数图中,我们寻找一个明显的拐点,对应于测量值的明显增加,即休伯特指数第二差值图中的明显峰值。

D指数

在D指数的图表中,我们寻找一个重要的拐点(D指数第二差值图中的重要峰值),对应于测量值的显著增加。

##  
## ******************************************************************* 
## * 在所有指数中:                                                
## * 10 proposed 2 as the best number of clusters 
## * 8 proposed 3 as the best number of clusters 
## * 2 proposed 4 as the best number of clusters 
## * 1 proposed 5 as the best number of clusters 
## * 1 proposed 8 as the best number of clusters 
## * 1 proposed 14 as the best number of clusters 
## * 1 proposed 15 as the best number of clusters 
## 
##                    ***** 结论*****                            
##  
## * 根据多数规则,集群的最佳数量是2 
##  
##  
## *******************************************************************

画一个直方图,表示各种指数对聚类数量的投票情况。

在26个指数中,大多数(10个)投票给2个聚类,8个投票给3个聚类,其余8个(26-10-8)投票给其他数量的聚类。

直方图,断点=15,因为我们的算法是检查2到15个聚类的。

hist(Best.nc)

聚类数据 :: 方法-3

卡林斯基指标类似于寻找群组间方差/群组内方差的比率。

KM(Data, 1, 10)  # 对聚类1至10的测试
# sortg = TRUE:将iris对象(行)作为其组别成员的函数排序
# 在热图中用颜色表示组成员类
# 排序是为了产生一个更容易解释的图表。
# 两个图。一个是热图,另一个是聚类数目与值(=BC/WC)。

modelData$results\[2,\]   # 针对BC/WC值的聚类

# 那么,这些数值中哪一个是最大的?BC/WC应尽可能的大
which.max(modelData$results\[2,\])

用Silhoutte图对数据进行聚类 :: 方法-4

先试着2个类

# 计算并返回通过使用欧氏距离测量法计算的距离矩阵,计算数据矩阵中各行之间的距离。
# 获取silhoutte 系数
silhouette (cluster, dis)

试用8个聚类

# 计算并返回通过使用欧氏距离测量法计算的距离矩阵,计算数据矩阵中各行之间的距离。
# 获取silhoutte 系数
silhouette (cluster, dis)

分析聚类趋势

计算iris和随机数据集的霍普金统计值

# 1. 给定一个数字向量或数据框架的一列 根据其最小值和最大值生成统一的随机数
  runif(length(x), min(x), (max(x)))
# 2.  通过在每一列上应用函数生成随机数据
apply(iris\[,-5\], 2, genx)  
# 3. 将两个数据集标准化
scale(iris)   # 默认, center = T, scale = T
# 4. 计算数据集的霍普金斯统计数字
hopkins_stat

# 也可以用函数hopkins()计算。
hopkins(iris)

# 5. 计算随机数据集的霍普金斯统计量
hopkins_stat


相关文章
|
3月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
2月前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
46 3
|
3月前
R语言基于表格文件的数据绘制具有多个系列的柱状图与直方图
【9月更文挑战第9天】在R语言中,利用`ggplot2`包可绘制多系列柱状图与直方图。首先读取数据文件`data.csv`,加载`ggplot2`包后,使用`ggplot`函数指定轴与填充颜色,并通过`geom_bar`或`geom_histogram`绘图。参数如`stat`, `position`, `alpha`等可根据需要调整,实现不同系列的图表展示。
|
3月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
7月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
7月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
4月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
4月前
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
|
4月前
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
72 3