R软件在系统聚类分析中的应用(2)

R软件在系统聚类分析中的应用

　　二、基于R语言的系统聚类分析程序
　　R软件及其相关包提供了各种聚类方法，主要是系统聚类方法、快速聚类方法、模糊聚类方法，常用的是系统聚类方法。
　　R软件实现系统聚类的程序如下：
　　hclust（d，method="complete"，members=NULL）
　　其中，d是由“dist”构成的距离结构，具体包括绝对值距离、欧氏距离、切比雪夫距离、马氏距离、兰氏距离等，默认为欧氏距离；method包括类平均法average、重心法centroid、中间距离法median、最长距离法complete、最短距离法single、离差平方和法ward等，默认是最长距离法complete。
　　三、应用举例
　　表1是山东省2008年各市居民家庭平均每人全年消费性支出，利用所给数据对各市进行系统聚类。（表1）
　　R语言程序如下：
　　>X<-read.delim（"clipboard"，header=T）
　　>row.names（X）<-c（"济南"，"青岛"，"淄博"，"枣庄"，"东营"，"烟台"，"潍坊"，"济宁"，"泰安"，"威海"，"日照"，"莱芜"，"临沂"，"德州"，"聊城"，"滨州"，"菏泽"）
　　>d<-dist（scale（X））

　　>hc1<-hclust（d，"single"）#最短距离法
　　>hc2<-hclust（d，"complete"）#最长距离法
　　>hc3<-hclust（d，"median"）#中间距离法
　　>hc4<-hclust（d，"ward"）#Ward法
　　>opar<-par（mfrow=c（2，2））
　　>plot（hc1，hang=-1）；plot（hc2，hang=-1）
　　>plot（hc3，hang=-1）；plot（hc4，hang=-1）
　　输出结果（图1）
　　结果分析
　　由图1可以看出，不同方法的分类大体一样，结合山东省具体实际情况，最长距离法分类效果较好。
　　在系统聚类分析中，利用R软件是最方便、最简单、最易学的，而且根据不同的情况，可以自己修改别人的程序，比较方便；可以在处理多元数据聚类分析中，利用R软件具有很大的优势。
　　主要参考文献：
　　[1]王斌会.多元统计分析及R语言建模[M].广州：暨南大学出版社，2010.
　　[2]汤银才.R语言与统计分析[M].北京：高等教育出版社，2005.
　　[3]高惠璇.应用多元统计分析[M].北京：北京大学出版社，2005.
　　[4]李卫东.应用多元统计分析[M].北京：北京大学出版社，2008.