User Tools

Site Tools


cs:classification:solution_ex2

Řešení cvičení 2

# Naimportujte data
doubs.spe <- read.csv ('http://www.davidzeleny.net/anadat-r/data-download/DoubsSpe.csv', row.names = 1)
doubs.spa <- read.csv ('http://www.davidzeleny.net/anadat-r/data-download/DoubsSpa.csv', row.names = 1)
 
# odstraňte prázdný vzorek z obou datových matic
doubs.spe <- doubs.spe[-8,]
doubs.spa <- doubs.spa[-8,]
 
# vypočtěte hierarchickou klastrovou analýzu
eucl.ward <- hclust (d = dist (doubs.spe), method = 'ward')
 
# dendrogram s obdélníky
plot (eucl.ward)
rect.hclust (eucl.ward, k = 4, border = 1:4)
 
# vypočtěte nehierarchickou klastrovou analýzu
library (vegan)  # tato knihovna je potřeba pro použití funkce vegdist
bray.kmeans <- kmeans (vegdist (doubs.spe), centers = 4)
 
# prostorové rozmístění vzorků se zobrazením výsledků hierarchické klastrové analýzy
eucl.ward.cluster <- cutree (eucl.ward, k = 4)
plot (y ~ x, data = doubs.spa, pch = eucl.ward.cluster, col = eucl.ward.cluster, type = 'b', main = 'Euclidean distance - Ward method')
 
# prostorové rozmístění vzorků se zobrazením výsledku K-means
plot (y ~ x, data = doubs.spa, pch = bray.kmeans$cluster, col = bray.kmeans$cluster, type = 'b', main = 'Bray-Curtis distance - K means method')
cs/classification/solution_ex2.txt · Last modified: 2017/10/11 20:36 (external edit)