全文下载链接：http://tecdat.cn/?p=20960

我们有15个城市，每月进行一次观测

boxplot(temp[,1:12],main="月平均温度")

由于方差看起来相当稳定，我们不会将这里的变量“标准化”，

> apply(月份,2,sd)

为了得到一个层次聚类分析，使用实例

hclust(dist , method = "ward")

---

点击标题查阅往期内容

KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数

左右滑动查看更多

01

02

03

04

另一种选择是使用

> plot(h2)

在这里，我们用主成分分析将观察结果可视化。我们这里还有一个自动选择类的数目，这里是3个。我们可以得到组的描述

或直接

cutree(cah,3)

我们也可以自己可视化这些类，

 PCA(X,scale.unit=FALSE)
 plot(  ind$coord[,1:2],col="white")
 text( ind$coord[,1],acp$ind$coord[,2],

可以绘制出这些簇的中心点

> points(PT$Dim.1,PT$Dim.2,pch=19)

如果我们在这些中心周围添加_Voronoi_集，我们看到的是中间的点，恰好是三个区域的交点

vormo(PT$Dim.1,PT$Dim.2)
plot(V,add=TRUE)

要可视化这些区域，请使用_Voronoi图_，它又叫泰森多边形或Dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。

 p=function(x,y){
  which.min((PT$Dim.1-x)^2+(PT$Dim.2-y)^2)
image(vx,vy,z,col=c(rgb(1,0,0,.2),

实际上，这三组（和这三个区域）也是我们用k-均值算法得到的，

kmeans(coord[,1:2],3)

K-means clustering 
with 3 clusters of sizes 3, 7, 5

由于我们有一些空间数据，我们可以在地图上把它们可视化

points(Long,Lati,col=groups.3)

或者，为了可视化这些区域，使用

 for(i in 1:3) 
+ Ellipse( Long[groups.3==i],

---

点击文末“阅读原文”

获取全文完整资料。

本文选自《R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化》。

本文中的温度数据分享到会员群，扫描下面二维码即可加群！

点击标题查阅往期内容

KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数

PYTHON实现谱聚类算法和改变聚类簇数结果可视化比较

有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据

R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据

r语言有限正态混合模型EM算法的分层聚类、分类和密度估计及可视化

Python Monte Carlo K-Means聚类实战研究

R语言k-Shape时间序列聚类方法对股票价格时间序列聚类

R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

R语言谱聚类、K-MEANS聚类分析非线性环状数据比较

R语言实现k-means聚类优化的分层抽样(Stratified Sampling)分析各市镇的人口

R语言聚类有效性：确定最优聚类数分析IRIS鸢尾花数据和可视化

Python、R对小说进行文本挖掘和层次聚类可视化分析案例

R语言k-means聚类、层次聚类、主成分（PCA）降维及可视化分析鸢尾花iris数据集

R语言有限混合模型(FMM,finite mixture model)EM算法聚类分析间歇泉喷发时间

R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化

R语言k-Shape时间序列聚类方法对股票价格时间序列聚类

R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析

R语言复杂网络分析：聚类（社区检测）和可视化

R语言中的划分聚类模型

基于模型的聚类和R语言中的高斯混合模型

r语言聚类分析：k-means和层次聚类

SAS用K-Means 聚类最优k值的选取和分析

用R语言进行网站评论文本挖掘聚类

基于LDA主题模型聚类的商品评论文本挖掘

R语言鸢尾花iris数据集的层次聚类分析

R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

R语言聚类算法的应用实例