-3
我有一个混合数据集（有因子和数字变量类型），我想做一些聚类分析。这样我就可以研究每个群集中的条目，以说明它们的共同点。在R中对混合数据集进行聚类
我知道对于这种类型的数据集，使用的距离是“高尔距离”。
这是我迄今所做的：
cluster <- daisy(mydata, metric = c("euclidean", "manhattan", "gower"),
stand = FALSE, type = list())
try <- agnes(cluster)
plot(try, hang = -1)
上面给了我一个树状图，但我有我的数据2000个条目，我无法在聚类结束识别各个条目。另外，我希望能够从树状图中提取聚类。
这是什么，到目前为止我已经做了： 集群< - 菊花（MYDATA，公制= C（ “欧氏”， “曼哈顿”， “高尔”），立=假，类型=列表（））尝试< - agnes（集群）情节（尝试，挂= -1） 上面给了我树状图，但我有2000条目在我的数据，我无法确定个人条目在树状图的末尾。另外，我希望能够从树状图中提取聚类。 – Cpri
对于Gower距离，请查看'cluster'包中的函数'daisy'。 关于如何做群集，一个很好的开始将是堆栈溢出的文档 。尝试[hclust]（https://stackoverflow.com/documentation/r/8084/hierarchical-clustering-with-hclust#t=201706151323312767049） – G5W
'agnes'是一种分层方法，您需要决定要切割的位置该树为了获得集群成员资格。这与'hclust'的工作方式非常相似。再次看看这个文档来看一个广泛的例子会很好。 – G5W