mds聚类matlab,机器学习C9笔记:MDS聚类可视化
MDS简介MDS是一个统计技术集合,用于可视化地描述距离集合中的相似性和差异性.对于经典的MDS的处理过程包括:输入一个包含数据集中任意两个数据点之间距离的距离矩阵,返回一个坐标集合,这个集合可以近似反应每对数据点之间的距离.之所以说是近似反应,是因为在二维空间中很可能不存在被一组距离分开的点集. 例如: 3个彼此之间距离都是1的点,是一个等边三角形的顶点.因此,不可能另外一个点到这个三角形的三个
MDS简介
MDS是一个统计技术集合,用于可视化地描述距离集合中的相似性和差异性.对于经典的MDS的处理过程包括:输入一个包含数据集中任意两个数据点之间距离的距离矩阵,返回一个坐标集合,这个集合可以近似反应每对数据点之间的距离.
之所以说是近似反应,是因为在二维空间中很可能不存在被一组距离分开的点集. 例如: 3个彼此之间距离都是1的点,是一个等边三角形的顶点.因此,不可能另外一个点到这个三角形的三个顶点的距离都是1.
MDS简单应用
构建距离矩阵
library('foreign')
library('ggplot2')
# 构建不用样本对p1-6的评价矩阵1 0 -1表示
set.seed(851982) # To make sure results are consistent
ex.matrix
row.names(ex.matrix)
colnames(ex.matrix)
数据如下
P1 P2 P3 P4 P5 P6
A 0 -1 0 -1 0 0
B -1 0 1 1 1 0
C 0 0 0 1 -1 1
D 1 0 1 -1 0 0
构建相似性矩阵
这里用A*t(A)表示不同样本间的相似性
ex.mult
ex.mult
数据如下
A B C D
A 2 -1 -1 1
B -1 4 0 -1
C -1 0 3 -1
D 1 -1 -1 3
计算欧氏距离
ex.dist
ex.dist
数据如下
A B C
B 6.244998
C 5.477226 5.000000
D 2.236068 6.782330 6.082763
MDS进行可视化
# Visualize clusters
ex.mds
plot(ex.mds, type = 'n')
text(ex.mds, c('A', 'B', 'C', 'D'))
结果:
A B C
B 6.244998
C 5.477226 5.000000
D 2.236068 6.782330 6.082763
书中投票分类例子
dataclean
收集数据文件名
library('foreign')
library('ggplot2')
data.dir
data.files
data.files
#[1] "sen101kh.dta" "sen102kh.dta"
#[3] "sen103kh.dta" "sen104kh.dta"
#[5] "sen105kh.dta" "sen106kh.dta"
#[7] "sen107kh.dta" "sen108kh_7.dta"
#[9] "sen109kh.dta" "sen110kh_2008.dta"
#[11] "sen111kh.dta"
foreign包读取dta数据
rollcall.data
function(f)
{
read.dta(file.path(data.dir, f), convert.factors = FALSE)
})
# Ninth code snippet
dim(rollcall.data[[1]])
#[1] 103 647
head(rollcall.data[[1]])
#cong id state dist lstate party eh1 eh2 name V1 V2 V3 ... V638
#1 101 99908 99 0 USA 200 0 0 BUSH 1 1 1 ... 1
#2 101 14659 41 0 ALABAMA 100 0 1 SHELBY, RIC 1 1 1 ... 6
#3 101 14705 41 0 ALABAMA 100 0 1 HEFLIN, HOW 1 1 1 ... 6
#4 101 12109 81 0 ALASKA 200 0 1 STEVENS, TH 1 1 1 ... 1
#5 101 14907 81 0 ALASKA 200 0 1 MURKOWSKI, 1 1 1 ... 6
#6 101 14502 61 0 ARIZONA 100 0 1 DECONCINI, 1 1 1 ... 6
按照document清洗数据
rollcall.simplified
{
no.pres
for(i in 10:ncol(no.pres))
{
no.pres[,i] 6, 0, no.pres[,i])
no.pres[,i] 0 & no.pres[,i] < 4, 1, no.pres[,i])
no.pres[,i] 1, -1, no.pres[,i])
}
return(as.matrix(no.pres[,10:ncol(no.pres)]))
}
rollcall.simple
计算mDS(important part)
# and calculate the Euclidan distance between each Senator.
rollcall.dist
构建MDS数据矩阵
congresses
for(i in 1:length(rollcall.mds))
{
names(rollcall.mds[[i]])
congress
congress.names
function(n) strsplit(n, "[, ]")[[1]][1])# [, ]正则表达式 有逗号或空格就拆分字符串
rollcall.mds[[i]]
name = congress.names,
party = as.factor(congress$party),
congress = congresses[i])
}
head(rollcall.mds[[1]])
mds图形化
base.110
scale_size(range = c(2,2), guide = 'none') +
scale_alpha(guide = 'none') +
theme_bw() + #bw背景
theme(axis.ticks = element_blank(), axis.text.x = element_blank(), axis.text.y = element_blank(), panel.grid.major = element_blank()) +
ggtitle("Roll Call Vote MDS Clustering for 110th U.S. Senate") +
xlab("") +# 无横纵坐标名
ylab("") +
scale_shape(name = "Party", breaks = c("100", "200", "328"), #按照不同的Party画不同shape的points labels = c("Dem.", "Rep.", "Ind."), solid = FALSE) +# 标签
scale_color_manual(name = "Party", values = c("100" = "black", "200" = "dimgray", "328"="grey"), breaks = c("100", "200", "328"), labels = c("Dem.", "Rep.", "Ind."))
print(base.110 + geom_text(aes(color = party, alpha = 0.75, label = cong.110$name,#在x,y处画名字 size = 2)))
按不同届的国会记录画多图
# Fourteenth code snippet
# Create a single visualization of MDS for all Congresses on a grid
all.mds
all.plot
geom_point(aes(shape = party, alpha = 0.75, size = 2)) +
scale_size(range = c(2, 2), guide = 'none') +
scale_alpha(guide = 'none') +
theme_bw() +
theme(axis.ticks = element_blank(), axis.text.x = element_blank(), axis.text.y = element_blank(), panel.grid.major = element_blank()) +
ggtitle("Roll Call Vote MDS Clustering for U.S. Senate (101st - 111th Congress)") +
xlab("") +
ylab("") +
scale_shape(name = "Party", breaks = c("100", "200", "328"), labels = c("Dem.", "Rep.", "Ind."), solid = FALSE) +
facet_wrap(~ congress)
print(all.plot)
更多推荐
所有评论(0)