[ R ] 군집분석 연습문제

 1. iris데이터 셋이 1-4번째 변수를 대상으로 유클리드 거리 매트릭스를 구하여 idist에 저 장한 후 계층적 클러스터링을 적용하여 결과를 시각화하시오

library(cluster) data_iris <- iris data_irisdf <- data_iris[c(1:4)] # 1-4번째 변수를 대상 data_irisdf

1) 유클리드 거리 계산

idist <- dist(data_irisdf,method = "euclidean") idist head(idist) # [1] 0.5385165 0.5099020 0.6480741 0.1414214 0.6164414 0.5196152

 

2) 계층형 군집분석(클러스터링

hc <- hclust(idist) hc # Call: #   hclust(d = idist) #  # Cluster method   : complete  # Distance         : euclidean  # Number of objects: 150

 

 

3) 분류결과를 대상으로 음수값을 제거하여 덴드로그램 시각화

x11()                     # 다른 창에서 보기 plot(hc,hang=-1)

cf) x11()   # 다른 창에서 볼 수 있음,

 

 

4) 그룹 수를 4개로 지정하고 그룹별로 테두리 표시

rect.hclust(hc, k = 4, border ="red")

 

 

 

 

 

 2. product_sales.csv 내 데이터를 이용하여 단계별로 비계층적 군집 분석을 수행하시오

 

 

product_sales.csv

0.00MB

 

 

 

 

library(ggplot2) data <- read.csv("C:/product_sales.csv", header=T) data head(data) # tot_price visit_count buy_count avg_price # 1       5.0         0.2       3.0       1.6 # 2       5.0         0.4       3.4       1.6 # 3       5.2         0.2       3.5       1.5 # 4       5.2         0.2       3.0       1.4 # 5       4.7         0.2       3.2       1.6 # 6       4.8         0.2       3.1       1.6

 

1) 비계층적 군집분석: 3개의 군집으로 군집화

result <- kmeans(data, 3)  result # K-means clustering with 3 clusters of sizes 50, 62, 38 #  # Cluster means: #   tot_price visit_count buy_count avg_price # 1  5.006000    0.244000  3.284000  1.464000 # 2  5.901613    1.433871  2.754839  4.393548 # 3  6.850000    2.071053  3.071053  5.742105 #  # Clustering vector: #   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 3 2 2 2 2 2 2 # [35] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 # [69] 2 2 2 2 2 2 2 3 2 3 3 3 3 2 3 3 3 3 3 3 2 2 3 3 3 3 2 3 2 3 2 3 3 2 # [103] 2 3 3 3 3 3 2 3 3 3 3 2 3 3 3 2 3 3 3 2 3 3 2 1 1 1 1 1 1 1 1 1 1 1 # [137] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 #  # Within cluster sum of squares by cluster: #   [1] 22.51380 39.95968 23.88395 # (between_SS / total_SS =  87.4 %) #  # Available components: #    #   [1] "cluster"      "centers"      "totss"        "withinss"     # [5] "tot.withinss" "betweenss"    "size"         "iter"         # [9] "ifault"

 

2) 원형데이터에 군집 수 추가

data$cluster <- result$cluster head(data) # tot_price visit_count buy_count avg_price cluster # 1       5.0         0.2       3.0       1.6       1 # 2       5.0         0.4       3.4       1.6       1 # 3       5.2         0.2       3.5       1.5       1 # 4       5.2         0.2       3.0       1.4       1 # 5       4.7         0.2       3.2       1.6       1 # 6       4.8         0.2       3.1       1.6       1

 

3) tot_price변수와 가장 상관계수가 높은 변수와 군집 분석 시각화

cor(data[ , -5], method = "pearson")                                              # 가장 큰 수 :  가장 상관계수가 높은 변수 = avg_price #                        tot_price   visit_ count    buy_count    avg_price # tot_price    1.00000000   0.8179536 -0.01305105  0.8717542 # visit_count  0.81795363   1.0000000 -0.23061166  0.9627571 # buy_count   -0.01305105  -0.2306117  1.00000000 -0.2785045 # avg_price    0.87175416   0.9627571 -0.27850452  1.0000000 plot(data[c("tot_price", "avg_price")], col=data$cluster)

 

 

4) 군집의 중심점 표시

plot(data$tot_price, data$avg_price , col = data$cluster)  points(result$centers[ , c("tot_price", "avg_price")], col=1:3, pch = 8, cex = 5)