R语言混合型数据聚类分析案例
64 浏览量
2023-12-26
14:16:49
上传
评论
收藏 173KB PDF 举报
R语⾔混合型数据聚类分析案例
利⽤聚类分析，我们可以很容易地看清数据集中样本的分布情况。以往介绍聚类分析的⽂章中通常只介绍如何处理连续型变量，这些⽂字并
没有过多地介绍如何处理混合型数据（如同时包含连续型变量、名义型变量和顺序型变量的数据）。本⽂将利⽤ Gower 距离、
PAM（partitioning around medoids）算法和轮廓系数来介绍如何对混合型数据做聚类分析。
本⽂主要分为三个部分：
距离计算
聚类算法的选择
聚类个数的选择
为了介绍⽅便，本⽂直接使⽤ ISLR 包中的 College 数据集。该数据集包含了⾃ 1995 年以来美国⼤学的 777 条数据，其中主要有以下⼏个
变量：
连续型变量
录取率
学费
新⽣数量
分类型变量
公⽴或私⽴院校
是否为⾼⽔平院校，即所有新⽣中毕业于排名前 10% ⾼中的新⽣数量占⽐是否⼤于 50%
本⽂中涉及到的 R 包有：
In [3]:
构建聚类模型之前，我们需要做⼀些数据清洗⼯作：
录取率等于录取⼈数除以总申请⼈数
判断某个学校是否为⾼⽔平院校，需要根据该学校的所有新⽣中毕业于排名前 10% ⾼中的新⽣数量占⽐是否⼤于 50% 来决定
In [5]:
set.seed(1680) # 设置随机种⼦，使得本⽂结果具有可重现性
library(dplyr)
library(ISLR)
library(cluster)
library(Rtsne)
library(ggplot2)
Attaching package: ‘dplyr’
The following objects are masked from ‘package:stats’:
filter, lag
The following objects are masked from ‘package:base’:
intersect, setdiff, setequal, union
资源评论
