如何使用分類和數值數據is R創建分層集群？

Question

我想創建一個層次結構集群，以顯示職業類型以及從事這些職業的人在銀行帳戶中的余額。 我是一個具有兩個變量的數據集，即工作和平衡：

              job balance
1       unemployed    1787
2         services    4789
3       management    1350
4       management    1476
5      blue-collar       0
6       management     747
7    self-employed     307
8       technician     147
9     entrepreneur     221
10        services     -88

我希望結果看起來像這樣：

其中A，B，C等是職位類別。

誰能幫我開始這個工作或給我一些幫助？

我不知道如何開始。

謝謝！

Answer 1

您可以使用dist和hclust函數開始。

df <- read.table(text = "              job balance
1       unemployed    1787
2         services    4789
3       management    1350
4       management    1476
5      blue-collar       0
6       management     747
7    self-employed     307
8       technician     147
9     entrepreneur     221
10        services     -88")

dist計算每個元素之間的距離（默認情況下為歐幾里得距離）：

distances <- dist(df$balance)

然后，您可以使用上面生成的距離矩陣對值進行聚類：

clusters <- hclust(distances)

默認情況下，hclust將完全鏈接群集應用於您的數據。 最后，您可以將結果繪制成一棵樹：

plot(clusters, labels = df$job)

在這里，我們將您數據框中的所有條目聚集在一起，這就是為什么某些作業重復的原因。 如果您希望每個作業只有一個值，則可以使用tapply獲取每個作業的平均余額：

means <- tapply(df$balance, df$job, mean)

然后將作業聚類：

distances <- dist(means)
clusters <- hclust(distances)
plot(clusters)

然后，您可以嘗試使用其他距離度量或其他聚類算法（有關其他方法，請參見help(dist)和help(hclust) ）。