吵架，英语，考研，论文，烦死了！
聚类分析
聚类分析方法：系统聚类法、快速聚类法
聚类分析的类型：Q型聚类（对样品的聚类）、R型聚类（对变量的聚类）
距离矩阵计算函数dist的用法
dist(X,method=“euclidean”,diag=FALSE,upper=FALSE,p=2)
X数据矩阵，数据框架
method包括"euclidean",“maximum”,“manhattan”,“canberra”,“binary”,“minkowski”,默认为“enclidean”距离
diag是否包含对角线元素，默认为无对角线元素
upper是否需要上三角，默认为下三角矩阵
p Minkowski距离的幂次，默认为p=2（欧式距离）
相关系数矩阵
cor(X)
dist用法：
曼哈顿距离(Manhattan Distance)是种使用在几何度量空间的几何学用语，用以标明两个点在标准坐标系上的绝对轴距总和，想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源， 曼哈顿距离也称为城市街区距离(City Block distance)。
系统聚类法的基本思想：
先将个样品分成类，每个样品自成一类，然后每次将具有最小距离的两类合并，合并后重新计算类与类之间的距离，这个过程一直继续到所有的样品归为一类为止，并把这个过程做成一张系统聚类图。
类间距离计算方法：最短，最长，中间距离法，类平均法，重心法，离差平方和法
系统聚类函数hclust
hclust(D,method=“complete”,…)
D相似矩阵，通常为距离矩阵。
method包括“single”最短距离,“complete”最长距离，“average”类平均法，“mcquitty”，“median”，“centroid”重心法，“ward”，默认为“complete”
eg
d3.6=read.table(“clipboard”,header = T)
d3.6
X=data.frame(d3.6$ x1,d3.6$ x2)
X
D=dist(X,diag = T,upper = T)
dist(X)
dist(X,method = “manhattan”)
hc=hclust(D,“single”)最短距离法
hc
names(hc)
data.frame(hc$ merge,hc$ height)
第一个样品和第二个样品距离最小0.6403，第六个样品和第七个样品距离1.063并为一类，带符号表示样品合并，不带符号表示类别合并。
画图看聚类情况：
hc<-hclust(D)最长距离法
data.frame(hc m e r g e , h c merge,hc merge,hcheight)
plot(hc)
聚类过程
rect.hclust(hc,3)加3分框
显示分类结果
总结系统聚类R语言步骤：
1.计算距离阵：dist
2.进行系统聚类：hclust
3.绘制聚类图：plot
4.画分类框：rect.hclust
5.确认分类结果：cutree