第六章 样本相似性可视化课堂练习

Author

221527213余语彤

1 案例数据

1.1 iris：鸢尾花数据集

  • R语言内置的 iris 数据集（鸢尾花数据集）是统计学和机器学习领域最经典的案例数据集之一，由英国统计学家 Ronald Fisher 在1936年首次提出。它包含了3种鸢尾花的测量数据，每个类别有50个样本，共150行数据。
变量名 数据类型 单位 说明
Sepal.Length numeric cm 花萼（萼片）长度，即花朵最外层绿色叶状结构的长度
Sepal.Width numeric cm 花萼（萼片）宽度
Petal.Length numeric cm 花瓣长度，即花朵内部彩色叶状结构的长度
Petal.Width numeric cm 花瓣宽度
Species factor - 鸢尾花种类（分类标签），包含3个水平：
• setosa山鸢尾
• versicolor变色鸢尾
• virginica维吉尼亚鸢尾
  • setosa 类的花通常较小，花瓣短而宽，与其他两类差异明显；versicolor 和 virginica 在部分特征上有重叠，分类难度更高。

2 平行坐标图和雷达图

2.1 平行坐标图

  • ggplot(group=id)+geom_line+geom_point 绘图
  • Species 映射为颜色

2.1.1 图形观察和代码编写的心得体会

  • 图形区别观察：平行坐标图通过多条平行轴线展示多维数据，不同颜色的折线代表不同鸢尾花种类，可直观比较各指标（花萼/花瓣长宽）的分布差异及跨指标关联性。

  • 代码编写心得：通过 gather() 整理数据为长格式，利用 geom_line() + geom_point() 组合增强可视化层次；图例和标签的精细调整（如换行、颜色、位置）。

2.2 雷达图

  • 采用ggiraphExtra::ggRadar 绘图

2.2.1 图形观察和代码编写的心得体会

  • 图形区别观察：雷达图通过多边形放射状轴线展示不同鸢尾花种类（Species）在各指标上的分布，便于对比组间差异，而平行坐标图侧重跨指标的趋势追踪。

  • 代码编写心得：ggRadar() 需关闭 rescale 保持原始数值范围，通过 alpha 和 size 调整图形透明度与线条粗细；自定义主题（mytheme）统一了坐标轴与图例风格。

3 星图和脸谱图

3.1 星图

  • 采用stars 函数，对标准化数据绘制圆弧星图

  • 需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；

  • 设置图例在合适位置，能完整显示；将图形分为10行。

3.1.1 图形观察和代码编写的心得体会

  • 图形区别观察：星形图（stars plot）通过放射状线段或扇形区块（draw.segments=TRUE）直观呈现不同鸢尾花种类在各指标上的数值分布，与雷达图类似但更强调局部占比，适合快速对比多变量比例关系。

  • 代码编写心得：数据需转换为矩阵并标准化（scale=TRUE），通过 draw.segments 切换线段/扇形模式；调整 key.loc 和图边距（mar）优化布局，避免元素重叠。

3.2 脸谱图

  • 采用aplpack::faces 函数，作Species 三个类别的脸谱图
  • 需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
  • 设置图例在合适位置，能完整显示；将图形分为12列。

effect of variables:
 modified item       Var           
 "height of face   " "Sepal.Length"
 "width of face    " "Sepal.Width" 
 "structure of face" "Petal.Length"
 "height of mouth  " "Petal.Width" 
 "width of mouth   " "Sepal.Length"
 "smiling          " "Sepal.Width" 
 "height of eyes   " "Petal.Length"
 "width of eyes    " "Petal.Width" 
 "height of hair   " "Sepal.Length"
 "width of hair   "  "Sepal.Width" 
 "style of hair   "  "Petal.Length"
 "height of nose  "  "Petal.Width" 
 "width of nose   "  "Sepal.Length"
 "width of ear    "  "Sepal.Width" 
 "height of ear   "  "Petal.Length"

3.2.1 图形观察和代码编写的心得体会

  • 图形区别观察：脸谱图（Chernoff Faces）通过面部特征（如眼睛大小、嘴型等）编码多维数据均值，不同鸢尾花种类（Species）的差异以拟人化方式呈现，相比传统图表更生动但需适应抽象映射。

  • 代码编写心得：需预先按组计算均值并转为矩阵，face.type控制风格，ncol.plot调整布局；数据标准化（scale=TRUE）确保特征比例一致，但需注意面部特征与变量的对应关系可能不直观。

4 聚类图和热图

4.1 系统聚类树状图

  • 采用factoextra::fviz_dend 函数，对标准化后数据作图；
  • 需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
  • 要求分为3类，观察分类结果和Species 的差异；树状图的外观为圆形。

4.1.1 图形观察和代码编写的心得体会

  • 图形区别观察：层次聚类树状图（Dendrogram）通过分支高度和颜色区块（rect=TRUE）展示样本间欧式距离（method="euclidean"）和聚类结果（3类），圆形布局（type="circular"）增强空间利用率，适合观察样本层次关系。

  • 代码编写心得：数据需标准化（scale(mat)）并计算距离矩阵，ward.D2方法优化类间距离；通过fviz_dend的k_colors和rect参数增强可读性，但圆形布局可能降低高度差异的直观性。

4.2 K-menas聚类主成分图

  • 采用factoextra::fviz_cluster 函数，对标准化后数据作图；

  • 需要先将四个数值变量转化为矩阵，并将1：150 作为矩阵的行名；

  • 要求分为3类，类别轮廓为正态分布，观察哪些观察值比较异常。

4.2.1 图形观察和代码编写的心得体会

  • 图形区别观察：K-means聚类图通过散点分布和置信椭圆（ellipse.type="norm"）直观展示3个聚类中心的划分结果，相比层次聚类更强调全局分组边界，适合非层次结构的硬聚类分析。

    异常观察值：42号，61号，118号，132号

  • 代码编写心得：数据标准化（scale()）是关键步骤；repel=TRUE避免标签重叠，ellipse.type增强组间区分度，但需注意初始中心点随机性可能导致结果波动。

4.3 热图

  • 采用gplots::heatmap.2 函数，对原始数据绘制热力图

  • 需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；

  • 要求横轴和纵轴均添加聚类树状图

4.3.1 图形观察和代码编写的心得体会

  • 图形区别观察：热图通过颜色梯度（col=rainbow(256)）直观展示不同鸢尾花种类（行）在各指标（列）上的数值分布，结合行列聚类树状图（dendrogram="both"）揭示数据层次结构，适合快速识别高/低值区域与模式关联。

  • 代码编写心得：需关闭默认标准化（scale="none"）保持原始值，tracecol添加辅助线增强可读性；调整边距（margins）和标签角度（srtCol）优化布局，但色阶选择（如彩虹色）可能影响数值对比精度。