第六章 样本相似性可视化课堂练习

Author

221527207刘润钿

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

  • 观察心得：平行坐标图通过多变量平行轴线展示多维数据关系；不同物种(Species)在花瓣/萼片尺寸上呈现明显聚类特征；Setosa在Sepal.Width上明显偏大，而在Petal维度偏小
  • 代码心得：使用gather+tidyr实现宽转长数据转换；fct_inorder保持变量原始顺序；geom_line+geom_point组合增强可视化效果；通过scale_x_discrete优化标签显示；图例参数精细控制提升可读性

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

  • 图形观察心得：雷达图 直观展示不同 Species 在多指标上的分布差异；Setosa 在 Petal.Length/Petal.Width 上明显偏小，但在 Sepal.Width 上较高；Versicolor 和 Virginica 形态相似，但后者整体数值更大；归一化后 数据范围统一，便于比较不同量纲的变量

  • 代码编写心得：ggRadar() 直接绘制雷达图，比传统 coord_polar() 更便捷；rescale=FALSE 保持原始数据范围，避免归一化失真；alpha 调节透明度，避免多组数据重叠遮挡；自定义 mytheme 统一风格，提升可读性（如蓝色坐标轴标签）；ylim 固定坐标范围，确保不同图表可比性

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

  • 图形观察心得：星形图/雷达图变体，用扇形面积代替折线，更强调数值占比；Setosa 的 Sepal.Width 占比突出，Petal 相关变量占比极小，与其他物种差异显著；Virginica 整体数值更大，扇形分布均匀，Petal 部分占比高于其他物种；多行排列（nrow=10） 便于同类对比，避免重叠

  • 代码编写心得： stars() 快速绘制多变量星形图，支持矩阵输入（需先剔除分类变量）；draw.segments=TRUE；切换为扇形模式，直观展示比例关系；scale=TRUE 自动归一化，消除量纲影响；key.loc 调整图例位置，避免遮挡图形主体；mar 调整边距，优化排版紧凑性

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

  • 图形观察心得：Chernoff Faces（脸谱图） 通过面部特征（如眼睛大小、嘴型）编码多维数据，直观反映不同 Species 的均值差异；Setosa 的脸型明显不同（如更窄的脸型），对应其较小的 Petal 数值；Virginica 的五官比例更夸张（如更大的眼睛/嘴），反映其整体数值较大；适用于快速识别异常模式，但需结合具体变量含义解读

  • 代码编写心得：aplpack::faces() 直接调用脸谱图方法，需提前按组聚合数据（如均值）；face.type=1 选择脸谱风格，不同风格对应不同变量映射规则；scale=TRUE 标准化数据，避免单一变量主导面部特征；ncol.plot 控制排版，避免图形重叠；矩阵输入需设置行名（如 row.names(mat) <- mat$Species）

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

  • 图形观察心得：层次聚类树状图：清晰展示 Iris 数据 的 3 类自然分组，与真实物种分类高度吻合，Setosa（红色）明显分离，Versicolor（绿色）和 Virginica（蓝色）部分重叠，符合实际生物学特征；圆形布局（type=“circular”） 节省空间，但可能降低长分支的可读性；矩形色块（rect=TRUE） 直观标记聚类结果，增强可解释性

  • 代码编写心得：数据预处理：剔除分类变量（select(-Species)），标准化数据（scale(mat)） 使用 欧氏距离（method=“euclidean”） + Ward 方法（method=“ward.D2”） 提升聚类效果； 可视化优化：fviz_dend() 替代基础 plot()，支持高级定制（颜色、布局、标签）；brewer.pal() 调用 ColorBrewer 配色，提升美观性；参数 rect_fill=TRUE 和 color_labels_by_k=TRUE 自动匹配颜色与聚类。灵活性：通过 type 切换树状图布局（矩形/圆形/等），k 参数动态调整聚类数量

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

  • 图形观察心得：K-means聚类结果 将数据分为3类，与Iris原始分类（Species）高度吻合，验证了数据本身的自然分组特性。Setosa（绿色）完全独立，Versicolor（蓝色）和 Virginica（红色）部分重叠，符合实际生物学特征。置信椭圆（ellipse.type=“norm”） 清晰展示各类的分布范围，Setosa的椭圆明显分离，其余两类存在交叉。repel=TRUE 有效避免标签重叠，提升可读性。

  • 代码编写心得：数据预处理：剔除分类变量（select(-Species)），标准化（scale()）消除量纲影响。矩阵格式输入适合 kmeans() 计算。聚类与可视化：kmeans() 快速实现聚类，centers=3 指定分类数。fviz_cluster() 一键生成专业级可视化，支持椭圆、标签防重叠等高级功能。参数优化：labelsize 和 pointsize 平衡图形细节与整洁度。标题（main）直接注明方法，提升图表自解释性。

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

  • 图形观察心得：热图 清晰展示 Iris 各样本 在4个数值变量上的分布模式，颜色梯度直观反映数值大小。行聚类（样本） 显示 Setosa 明显分离，Versicolor 和 Virginica 部分混合，与真实分类一致。列聚类（变量） 中 Petal.Length 和 Petal.Width 高度相关（颜色模式相似），符合生物学特性。色键（Color Key） 提供数值-颜色映射参考，边缘留白（margins） 避免标签截断。

  • 代码编写心得：数据准备：矩阵输入（as.matrix()），行名设为物种标签（rownames(mat)=data[,5]）。核心函数：heatmap.2() 集成聚类与热图绘制，支持行列双聚类（dendrogram=“both”）。 关键参数：col=rainbow(256) 自定义颜色梯度，tracecol 添加轨迹线提升可读性。cexRow/cexCol 调整标签字体大小，srtCol 旋转列标签。keysize 控制色键比例，key.title 添加标题。