《应用多元分析》实验5-聚类分析
- 格式：docx
- 大小：13.32 KB
- 文档页数：5
实验五 聚类分析
一、实验说明
实验项目名称：聚类分析
实验类型：基础 实验课时：2
实验所用主要仪器：微型计算机1台
（能够连接互联网，32bit或64bit的Windows操作系统），
R软件编程环境。
二、实验目的：
1.系统聚类法：使用dist函数计算各种距离，使用hclust函数分别
进行最短距离法、最长距离法、中间距离法、类平均法、重心法、
ward法等六种聚类分析，对聚类结果使用plot函数作出聚类树形图，
通过查看碎石图（最小距离height与聚类数目的散点图）选择聚类数，
使用rect.hclust函数在聚类树形图上加框分类，使用cutree函数
得到聚类结果；安装并加载mvstats包，使用H.clust函数进行上述六种
系统聚类分析。
2.使用scale函数在各变量量纲不一致或取值相差较大时，对数据进行
标准化变换。
3.kmeans聚类法：使用kmeans函数进行快速聚类，并会查看聚类结果。
三、实验内容和步骤
1.通过运行代码，查看运行结果，学习使用R命令进行系统聚类
(又称为分层聚类，层次聚类)和kmeans聚类(又称为k均值聚类)。
2.聚类分析的练习案例：
1）教材的四个例子：例7-1（165，166，170，171页），
例7-2（171至175页），例7-3（176至179页），
案例分析：全国区域经济的聚类分析（180至183页）
2）某年我国31个省、直辖市、自治区环境污染状况的聚类分析数据。
3.练习的代码文件：“练习ch7-1.R”，“练习ch7-2.R”
4.练习的数据文件：“mvstats(2015).xls” (表单d7.2)，
“mvcase.xls” (表单Case6)，“PollutionData.txt”
四、实验要求
1.完成教材的184-185页： 2，3题，
见数据文件：“mvexec3.xls”（表单E7.2)。
2.分析数据文件：“birth.csv”：
70个国家和地区的出生率（%）和死亡率（%）数据，
删去（除了表头的）第17行和第52行的都是FRANCE的观测值，
对剩下的68个国家和地区的出生率和死亡率进行聚类分析。
3.分析数据文件：“LA_Neighborhoods.txt”：
美国普查局2000年的洛杉矶街区数据。
一共110个街区，15个变量。
第1个变量：LA_Nbhd（街区名字），
第2个变量：Income（收入中位数），
第3个变量：Schools（公立学校API中位数），
API是涉及学生成绩的Academic Performance Index的缩写，
第4个变量：Diversity（种族多样性），
第5个变量：Age （年龄中位数），
第6个变量：Homes （有房家庭比例），
第7个变量：Vets （复员军人比例），
第8个变量：Asian（亚裔人口比例），
第9个变量：Black（非裔比例），
第10个变量： Latino （拉美裔比例），
第11个变量：White （欧裔比例），
第12个变量：Population （人口），第13个变量：Area （面积）
第14个变量：Longitude（经度），
第15个变量：Latitude（纬度），
请自行增加第16个变量：人口密度density= Population/ Area，
使用第1，2，5，6，11，16个变量创建新数据框，
根据第2，5，6，11，16这五个变量对110个洛杉矶街区进行聚类
分析（聚类前考虑对数据施行标准化变换）。
4. 撰写纸质稿的实验报告,要求实验报告最后一段有文字总结（学习
心得，实验总结，提出问题，对于课程的意见和建议等），书写请
用正楷字，勿用草书。下周三上课时交给学习委员。
5.学习委员统一将作业代码（根据需要，用#进行文字注释，文件后
缀名为.R或.r）电子版在下周三前发送至教师邮箱
