Ejemplo 1 | Ejemplo 2. División del cluster en grupos

Ejemplo 1

# Análisis de conglomerados
# dist tiene varios tipos de índices para usar
# hclust tiene también varios métodos de unión
 
data(iris)
iris.d <- dist(iris[,1:4])
iris.cl <- hclust(iris.d)
iris.cl
 
plot(iris.cl,lab=iris[,5],cex=0.5, hang = -1,xlab = "Species")
Probar este programa
> # Análisis de conglomerados
> # dist tiene varios tipos de índices para usar
> # hclust tiene también varios métodos de unión
>
> data(iris)
> iris.d <- dist(iris[,1:4])
> iris.cl <- hclust(iris.d)
> iris.cl
 
Call:
hclust(d = iris.d)
 
Cluster method   : complete
Distance         : euclidean
Number of objects: 150
 
>
> plot(iris.cl,lab=iris[,5],cex=0.5, hang = -1,xlab = "Species")
hclust.png



Ejemplo 2. División del cluster en grupos

# Agrupamientos de hombres y mujeres según su peso y estatura
 
datos <- read.table("http://pastebin.com/raw.php?i=P76h35XP",sep="\t", dec=","
                    ,header=T)
 
# Estandarización de los datos
datos[,2:3] <- scale(datos[,2:3])
# Matriz de distancias
datos.dis <- dist(datos[,2:3])
# Agrupamientos
datos.cl <- hclust(datos.dis)
# Creación de k grupos
(grupos <- cutree(datos.cl, k=2))
 
plot(datos.cl,hang = -1,cex=0.7,labels = datos[,1],
     main= "Cluster hombres y mujeres")
rect.hclust(datos.cl, k=2, border="red")
 
 
Probar este programa
> # Agrupamientos de hombres y mujeres según su peso y estatura
>
> datos <- read.table("http://pastebin.com/raw.php?i=P76h35XP",sep="\t", dec=","
+                     ,header=T)
>
> # Estandarización de los datos
> datos[,2:3] <- scale(datos[,2:3])
> # Matriz de distancias
> datos.dis <- dist(datos[,2:3])
> # Agrupamientos
> datos.cl <- hclust(datos.dis)
> # Creación de k grupos
> (grupos <- cutree(datos.cl, k=2))
 [1] 1 1 1 1 1 1 1 1 2 1 2 2 2 1 2 2 1 1 1 1 1 1 1 1 2 1 2
>
> plot(datos.cl,hang = -1,cex=0.7,labels = datos[,1],
+      main= "Cluster hombres y mujeres")
> rect.hclust(datos.cl, k=2, border="red")
cluster.png