> x=runif(10)
> y=runif(10)
> S=cbind(x,y) #得到2维的数组
> rownames(S)=paste(“Name”,1:10,””) #赋予名称,便于识别分类
> out.dist=dist(S,method=”euclidean”) #数值变距离
注释:在聚类中求两点的距离有:
1,绝对距离:manhattan
2,欧氏距离:euclidean 默认
3,闵科夫斯基距离:minkowski
4,切比雪夫距离:chebyshev
5,马氏距离:mahalanobis
6,蓝氏距离:canberra
> out.hclust=hclust(out.dist,method=”complete”) #根据距离聚类
注释:聚类中集合之间的距离:
1,类平均法:average
2,重心法:centroid
3,中间距离法:median
4,最长距离法:complete 默认
5,最短距离法:single
6,离差平方和法:ward
7,密度估计法:density
> plclust(out.hclust) #对结果画图 如图1
> rect.hclust(out.hclust,k=3) #用矩形画出分为3类的区域 如图2
> out.id=cutree(out.hclust,k=3) #得到分为3类的数值
> out.id
> table(out.id,paste(“Name”,1:10,””)) #以向量的方式分辨名称对应的类