R语言3.8 聚类分析2

昨天临时有事没学习
聚类分析实例：
数据依旧是31个省市自治区2012年城镇居民生活消费的分布规律，根据调查资料做区域消费类型划分。
d3.8=read.table(“clipboard”,header = T)
d3.8
plot(d3.8,gap=0)

D=dist(d3.8,diag = T,upper = T)
D

初步了解之后，用不同方法聚类
plot(hclust(D,‘single’))最短距离法

plot(hclust(D,‘complete’))最长距离法

plot(hclust(D,‘median’))中间距离法

plot(hclust(D,‘average’))类平均法

plot(hclust(D,‘centroid’))重心法

plot(hclust(D,‘ward.D’)) ward.D法

H=hclust(D,‘ward.D2’)
plot(H)
rect.hclust(H,2) 加二类框

cutree(H,2) 分二类

H=hclust(D,‘ward.D2’)
plot(H)
rect.hclust(H,3) 加三类框

cutree(H,3) 分三类

以此类推，分四类…
新内容：
K均值聚类法
kmeans法是一种快速聚类法，这种算法的基本思想是将每一个样品分配给最近中心（均值）的类中。
原理：kmeans算法以k为参数，把n个对象分为k个类，使类内具有较高的相似度，类间的相似度较低。相似度计算是根据类中对象的均值mean来进行。
kmeans的用法：
kmeans(x,centers,…),x数据矩阵或数据框，centers聚类数或初始聚类中心。eg在下一篇