如何使用分类和数值数据is R创建分层集群？

Question

我想创建一个层次结构集群，以显示职业类型以及从事这些职业的人在银行帐户中的余额。 我是一个包含两个变量的数据集，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

我希望结果看起来像这样：

其中A，B，C等是工作类别。

任何人都可以帮我开始这个问题或给我一些帮助吗？

我不知道如何开始。

谢谢！

Answer 1

您可以先使用dist和hclust函数。

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计算每个元素之间的距离（默认情况下为欧氏距离）：

distances <- dist(df$balance)

然后您可以使用上面生成的距离矩阵对值进行聚类：

clusters <- hclust(distances)

默认情况下，hclust将complete-linkage clustering应用于您的数据。 最后，您可以将结果绘制成一棵树：

plot(clusters, labels = df$job)

在这里，我们将所有条目聚集在数据框中，这就是为什么某些作业重复的原因。如果您希望每个作业只有一个值，则可以使用tapply：

取每个作业的平均余额。

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

然后将作业聚在一起：

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

然后，您可以尝试使用其他距离度量或其他聚类算法（有关其他方法，请参见help(dist)和help(hclust)）。