原创 聚类分析中的可视化

陆勤 2019-11-03 223438 0 0

#### 问题提出 当数据没有标签或者有少量标签的时候，我们需要使用**聚类分析**来发现数据的模式。便于理解聚类分析的结果或者效果，如何对聚类分析做可视化呢？ #### 解决方法 - 第一步：安装和加载聚类分析R包-factoextra ``` library(pacman) p_load(factoextra) ``` - 第二步：导入数据集，采用R语言自带的`USArrests` ``` # 导入数据集 data("USArrests") # 数据集理解 ?USArrests # 数据集检视 head(USArrests) ``` - 第三步：数据集准备与处理，对数据集做标准化处理，每列转换为均值为0，标准差为1 ``` df <- scale(USArrests) head(df, 10) ``` - 第四步：聚类分析及可视化。 不管是层次聚类还是划分聚类，都要寻找一个距离度量。然后根据计算后的距离，采用不同的策略进行数据集的汇聚。 4.1 基于相关系数的距离度量和可视化 ``` res.dist <- get_dist(df, method = "pearson") head(round(as.matrix(res.dist), 2))[, 1:6] # 可视化相关系数矩阵 fviz_dist(res.dist, lab_size = 8) ```  4.2 增强型分层聚类和可视化 ``` res.hc <- eclust(df, "hclust") fviz_dend(res.hc, rect = TRUE) # 树图 fviz_cluster(res.hc) # 散点图 fviz_silhouette(res.hc) # 轮廓图 ``` 分层树图  聚类散点图  轮廓图  4.3 增强型K均值聚类和可视化 ``` res.km <- eclust(df, "kmeans", nstart = 25) #聚类的散点图 fviz_gap_stat(res.km$gap_stat) # 不同K值下Gap 统计图，指导选择最佳K值 fviz_silhouette(res.km) # 轮廓图，每种聚类下面的分布情况 ``` 聚类散点图  不同K值Gap统计图  轮廓图  k均值结果可视化的其他表示方式 ``` p_load(cluster, fpc) plotcluster(USArrests, res.km$cluster) ```  ``` clusplot(USArrests, res.km$cluster, color=TRUE, shade=TRUE, labels=2, lines=0) ```  #### 思考题 - 如何查看聚类结果的详细信息 - 如何对K均值聚类的中心点做可视化分析<br/><br/><b>版权声明：</b>作者保留权利。文章为作者独立观点，不代表数据人网立场。严禁修改，转载请注明原文链接:http://www.shujuren.org/article/19810.html<br/><b>数据人网：</b>数据人学习，交流和分享的平台，诚邀您创造和分享数据知识，共建和共享数据智库。