本文将详细介绍如何运用R语言进行聚类分析，包括直接从原始数据中聚类和根据距离矩阵进行聚类，并附有聚类结果可视化教程，教程非常详细，即学即用。
距离/不相似矩阵计算
- 加载数据
data(iris)
str(iris)聚类分析是无监督的分类，删除数据中给定原始分类，最后可以将聚类的结果和给定的分类做一个比较，定量地看看聚类的性能怎么样。
iris$Species<-NULL- 不相似矩阵计算
不相似矩阵计算，也就是距离矩阵计算，在R中采用 dist()函数，或者 cluster表中的 daisy()函数。 dist()函数的基本形式是：
dist(x, method = "euclidean", diag = FALSE, upper = FALSE, p = 2)其中 x是数据框（数据集），而方法可以指定为欧式距离 "euclidean", 最大距离 "maximum", 绝对值距离 "manhattan"和明氏距离 "minkowski"等。默认是计算欧式距离，所有的属性必须是相同的类型。比如都是连续类型，或者都是二值类型。
dd<-dist(iris)
str(dd)距离矩阵可以使用 as.matrix()函数转化为矩阵的形式，方便显示。
dd<-as.matrix(dd)Iris 数据共150例，样本间距离矩阵为 150行列的方阵。下面显示了 1~5号样本间的欧式距离。
hclust()进行谱系聚类(层次聚类)
- 聚类函数
R中自带的聚类函数是 hclust()，为谱系聚类法。基本的函数指令是：
结果对象 <- hclust(距离对象, method=方法)hclust() 可以使用的类间距离计算方法包含离差法 "ward"，最短距离法 "single"， 最大距离法 "complete"，平均距离法 "average"， "mcquitty"， 中位数法 "median" 和重心法 "centroid"。下面采用平均距离法聚类。
hc <- hclust(dist(iris), method="ave")- 聚类结果
聚类结果对象包含很多聚类分析的结果，可以使用数据分量的方法列出相应的计算结果。
str(hc)下面列出了聚类结果对象hc 包含的 merge和 height结果值的前6个。
- 行编号表示聚类过程的步骤，X1，X2表示在该步合并的两类，该编号为负代表原始的样本序号，编号为正代表新合成的类
- 变量height 表示合并时两类类间距离。比如第1步，合并的是样本 102和 143，其样本间距离是 0.0，合并后的类则使用该步的步数编号代表，即样本 -102和 -143合并为 1类。再如第 6行表示样本 11和 49合并，该两个样本的类间距离是 0.1，合并后的类称为 6类
head (hc$merge,hc$height)下面显示的聚类结果对象 hc包含的 merge和 height结果值的 50~55步的结果。第 50步结果表明样本 43与 13类（即第 13步的聚类合类结果）合并。所有的类编号负数j 表示原数据的样本编号，正数i 表示聚类过程的第 i步形成的新类。再如 54步，表示聚类过程第 7步和第 37步形成的类合并为新类，新类成为第 54类，其类间距离是 0.2641715。
- 绘制聚类图
聚类完成后可以使用 plot()绘制出聚类的树图。
plot(hc, hang = -1, labels=iris$Species)- 指定分类和类中心聚类
通过观察树形图，可见由于数据例很多，使图形很乱，不容易确定合理的分类，为简化图形，使用 cutree() 来确定最初的分类结果，先初步确定各个样本的最初分类的类数后，然后用 hclust()再次聚类，重新聚类后，得出最后的分类结果。
memb <- cutree(hc, k = 10) #确定10个分类
table(memb) #各类中的样本数
为了进行重新聚类，需要计算各类的类中心，这里用各类的均向量来代表各类的类中心，计算程序如下。
cent <- NULL
for(k in 1:10){
cent <- rbind(cent, colMeans(iris[memb == k, , drop = FALSE]))
}有了各类的类中心后，再次使用 hclust()函数，从 10类起重新开始聚类。hclust() 函数这时需要指定各类的类中心，并采用中心法来聚类。
hc1 <- hclust(dist(cent), method = "centroid", members = table(memb))
plot(hc1)
hc1再次聚类的树形图就很精简了。从树形图上看，确定为三类是比较合适的。
- 输出最终分类结果
使用 cutree()来确定输出各个样本的最后分类。
memb <- cutree(hc, k =3 #确定3个分类
table(memb) #各类中的样本数下面将聚类结果和原始的分类比较可见聚类结果是不错的。错误率约为 14/150=9.33%。
根据距离矩阵聚类
可以直接输入距离矩阵，然后用 as.dist()函数转为 hclust()可以使用的距离阵对象，然后再用 hclust()再进行聚类分析。
x<-read.table(text="
id BA FI MI VO RM TO
BA 0 662 877 255 412 996
FI 662 0 295 468 268 400
MI 877 295 0 754 564 138
VO 255 468 754 0 219 869
RM 412 268 564 219 0 669
TO 996 400 138 869 669 0 ", header=T)
row.names(x)<-x$id
x$id<-NULL
x- 转换为距离矩阵
x<-as.dist(x)hc <-hclust(x) - 显示聚类过程
data.frame(hc$merge,hc$height)- 绘制聚类图
plot(hc2)从聚类图可见聚为两类比较合适。
cutree(hc2,2)所以BA、VO、RM聚为1类而TO、FI、MI聚为另一类。
