聚类分析（Clustering analysis） - ricket-sjtu/bi028 GitHub Wiki

1. 常用的聚类方法

1.0 数据预处理

标准化处理（Standaridization）

• stats::scale(.., center=TRUE, scale=TRUE)

1.1 基于距离的聚类（Distance-based clustering）

关于距离的计算

距离的计算是基于距离的聚类分析的关键基础，常用的距离度量有欧氏距离、曼哈顿距离、明科夫斯基距离、编辑距离、相关距离、Jaccard距离等：

• R中的stats::dist()可计算大部分的连续变量的距离和二元变量（presence/absence）距离
• R中的cluster::daisy()可进行混合变量（包含连续和有序、分类变量）的距离计算
• R中的veg::vegdist()可计算组成数据（compositional data）的距离，例如Bray-Curtis、

层次聚类（Hierarchical clustering）

• 基于分裂的层次聚类（Divisive hierarchical clustering）：cluster::diana()
• 基于凝聚的层次聚类（Agglomerative hierarchical clustering）：cluster::agnes()
• 二元变量数据的分裂式聚类（Divisive hierarchical clustering of binary dataset）：cluster::mona()

划分的方法（Partitioning-based clustering）

• K-均值聚类（K-Means clustering）：stats::kmeans()
• 自组织映射（Self-organized mapping, SOM）：
• PAM（Partitioning Around Medoids）：cluster::pam()
• Clustering of large data set（clara）：cluster::clara()
• 模糊聚类（fuzzy clusteirng）：cluster::fanny()

1.2 基于模型的聚类（Model-based clustering）

• mclust::Mclust()

2. 聚类结果的评价

2.1 内部评价标准

• Silhouette指数（Silhouette width）
• Dunn指数（Dunn's index）
• FOM测量

2.2 外部评价标准

• fpc::cluster.stats()可以计算
  • cluster size
  • cluster diameters
  • average distances within and between clusters
  • cluster separation
  • biggest within-cluster gap
  • average Silhouette widths
  • Dunn's index
  • Corrected Rand index

2.3 R评判函数

• Silhouette指数：stats::silhouette()

3. 可视化分析（Visualization）

• cluster::ellipsoidhull：为聚类结果绘制椭圆显示
• ``