8、聚类分析与主成分分析的数据处理之旅

聚类分析与主成分分析的数据处理之旅

在数据处理与分析的领域中，聚类分析和主成分分析是非常重要的技术手段。下面我们将深入探讨使用 hclust() 进行凝聚式聚类以及主成分分析的具体内容。

凝聚式聚类（Agglomerative Clustering）

凝聚式聚类是一种自下而上的聚类方法，它从每个数据点作为一个单独的簇开始，然后逐步合并相似的簇，直到达到某个停止条件。我们将使用 hclust() 函数来实现凝聚式聚类，并通过两个数据集（数值数据和二进制数据）进行探索。

瑞士投票结果分析

我们使用的第一个数据集是 2001 年瑞士联邦投票对象主题的接受百分比数据。该数据集的行代表州（cantons），列（除第一列）代表投票主题，值为投票主题的接受百分比。

以下是加载数据的代码：

swiss_votes = read.table("swiss_votes.dat", sep = "\t", header = T)

我们的目标是探究 2001 年各州人口在投票行为上是否存在聚类。我们将使用三种方法（完全链接、单链接和平均链接）进行重复分析，并检查潜在的差异。

具体步骤如下：
1. 计算距离矩阵：

dist_matrix = dist(swiss_votes[2:11])

2. 使用默认方法（完全链接）进行聚类：