原文链接：http://tecdat.cn/?p=22879

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

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