R语言k
最近我们被客户要求撰写关于鸢尾花iris数据集的研究报告，包括一些图形和统计输出。
本练习问题包括：使用R中的鸢尾花数据集(a)部分：k-means聚类
使用k-means聚类法将数据集聚成2组。
画一个图来显示聚类的情况
使用k-means聚类法将数据集聚成3组。
画一个图来显示聚类的情况
(b)部分：层次聚类
使用全连接法对观察值进行聚类。
使用平均和单连接对观测值进行聚类。
绘制上述聚类方法的树状图。
讨论和/或考虑对数据进行标准化。
在这种情况下，我们将标准化数据，因为花瓣的宽度比其他所有的测量值小得多。
向下滑动查看结果▼
使用k-means聚类法将数据集聚成2组使用足够大的nstart，更容易得到对应最小RSS值的模型。
向下滑动查看结果▼
画一个图来显示聚类的情况
为了更好地考虑花瓣的长度和宽度，使用PCA首先降低维度会更合适。
为了更好地解释PCA图，考虑到主成分的方差。
数据中80%的方差是由前两个主成分解释的，所以这是一个相当好的数据可视化。
向下滑动查看结果▼
使用k-means聚类法将数据集聚成3组在之前的主成分图中，聚类看起来非常明显，因为实际上我们知道应该有三个组，我们可以执行三个聚类的模型。
向下滑动查看结果▼
画一个图来显示聚类的情况
向下滑动查看结果▼
PCA图为了更好地考虑花瓣的长度和宽度，使用PCA首先减少维度是比较合适的。
01
02
03
04
萼片长度~萼片宽度图的分离度很合理，为了选择在X、Y上使用哪些变量，我们可以使用双曲线图。
这个双曲线图显示，花瓣长度和萼片宽度可以解释数据中的大部分差异，更合适的图是：
评估所有可能的组合。
向下滑动查看结果▼
层次聚类
使用全连接法对观测值进行聚类。
可以使用全连接法对观测值进行聚类（注意对数据进行标准化）。
向下滑动查看结果▼
使用平均和单连接对观察结果进行聚类。
向下滑动查看结果▼
绘制预测图
现在模型已经建立，通过指定所需的组数，对树状图切断进行划分。
向下滑动查看结果▼
绘制上述聚类方法的树状图
对树状图着色。
向下滑动查看结果▼
相关知识
R语言“
用R语言绘制玫瑰花
R语言数据分析案例：鸢尾花（IRIS）
R语言高效自学—R粉们最值得关注的几个社区
R语言的apply族函数
分类算法3：决策树及R语言实现
如何用c语言编程玫瑰花
基于R语言的害虫预测算法设计
R语言生态学数据分析
【机器学习】随机森林处理数据实践（基于R语言）
网址: R语言k https://m.huajiangbk.com/newsview1544666.html
| 上一篇: 鸢尾花数据集分析可视化的魅力与未 |
下一篇: 机器学习—knn实现鸢尾花分类（ |
