聚类分析与R使用Part1-聚类分析介绍

• 基本概念
  聚类分析法(Cluster Analysis)是研物以类聚的一种现代统计分析方法,在众多的领域中,都需要采用聚类分析作分类研究。
• 分析方法
  聚类分析方法分为两大类，一类是系统聚类法（hclust），第两类是快速聚类法（kmeans），快速聚类法是在样本量很大时替代系统聚类法使用的。
  按照聚类的对象，还可分为Q型聚类和R型聚类。前者是对样品的聚类，后者是对变量的聚类。
• 聚类统计量

Q型聚类，使用的统计量是距离，包括如下三种常见的距离：

欧式距离：
马氏距离：
兰氏距离：，兰氏距离是绝对值距离的一个扩展。

R型聚类，也就是针对变量进行聚类，使用的是相关系数作为统计量：

相关系数

• 距离矩阵 vs 相关矩阵
  距离矩阵长啥样？
  
  因为样本自己到自己的距离为0，所以对角线上的值都为0。相关矩阵和距离矩阵有些类似，但对角线上都是1，因为自己与自己的相似性肯定是1。
  
  这个课程后面是重点讲Q型聚类，相关系数在之前的章节就讲过了。
• 矩阵计算函数
  （1）距离矩阵dist()的用法：

dist(X,method='euclidean',diag=FALSE,upper=FALSE,p=2)

• x为数据矩阵，data.frame;
• method包括“euclidean","maximum"，“manhattan“，“canberra”，“binary” or "minkowski"，默认为欧式距离；
• diag是是否包含对角元素，默认为无；
• upper为是否需要上三角，默认为下三角矩阵；
• p为Minkowski距离的幂次，默认为p=2（欧式距离）。

（2）相关系数矩阵使用cor(X)